trainFastRCNNObjectDetector
训练一个快速R-CNN深度学习对象检测器
语法
描述
训练一个探测器
使用深度学习训练一个快速R-CNN(卷积神经网络区域)目标检测器。您可以训练一个快速R-CNN检测器来检测多个对象类。trainedDetector
= trainFastRCNNObjectDetector (trainingData
,网络
,选项
)
此功能要求您拥有深度学习工具箱™。建议您还使用并行计算工具箱™与CUDA一起使用®使英伟达®GPU。有关受支持的计算功能的信息,请参见金宝appGPU计算要求(并行计算工具箱).
[
还返回关于每个迭代的训练进度的信息,例如训练损失和准确性。trainedDetector
,信息
= trainFastRCNNObjectDetector(___)
培训检测器
从探测器检查点恢复训练。trainedDetector
= trainFastRCNNObjectDetector (trainingData
,检查点
,选项
)
微调检测器
继续用额外的训练数据训练检测器或执行更多的训练迭代以提高检测器的精度。trainedDetector
= trainFastRCNNObjectDetector (trainingData
,探测器
,选项
)
海关区域建议
可选地训练自定义区域提议函数,trainedDetector
= trainFastRCNNObjectDetector (___“RegionProposalFcn”,proposalFcn
)proposalFcn
,使用前面的任何输入。如果未指定建议函数,则该函数使用边缘框的变体[2]算法。
额外的属性
使用一个或多个指定的其他选项trainedDetector
= trainFastRCNNObjectDetector (___,名称,值
)名称,值
对参数。
例子
输入参数
输出参数
提示
为了加速训练的数据预处理,
trainFastRCNNObjectDetector
根据并行首选项设置自动创建和使用并行池。有关设置这些首选项的详细信息,请参见并行偏好设置.使用并行计算首选项需要“并行计算工具箱”。VGG-16、VGG-19、ResNet-101和Inception-ResNet-v2是大型号。使用大图像进行训练可能会产生“内存不足”错误。要减轻这些错误,请尝试以下一个或多个选项:
使用'缩小图像大小'
SmallestImageDimension
”的论点。减少'的值
NumRegionsToSample
' name-value参数值。
该函数支持迁移学习。金宝app当你输入
网络
按姓名,如“resnet50”
,则该函数自动将网络转换为基于预训练的有效Fast R-CNN网络模型resnet50
(深度学习工具箱)模型。方法手动指定自定义Fast R-CNN网络LayerGraph
(深度学习工具箱)从预训练的DAG网络中提取。详情请参见创建快速R-CNN对象检测网络.该表描述了如何将每个命名网络转换为Fast R-CNN网络。特征提取层名称指定ROI池化层处理哪一层。ROI输出大小指定ROI池化层输出的特征映射的大小。
网络名称 特征提取层名称 ROI池化层OutputSize 描述 alexnet
(深度学习工具箱)“relu5”
(6 - 6) 最后一个最大池化层被ROI最大池化层取代 vgg16
(深度学习工具箱)“relu5_3”
7 [7] vgg19
(深度学习工具箱)“relu5_4”
squeezenet
(深度学习工具箱)“fire5-concat”
(14日14) resnet18
(深度学习工具箱)“res4b_relu”
在特征提取层之后插入ROI池化层。 resnet50
(深度学习工具箱)“activation_40_relu”
resnet101
(深度学习工具箱)“res4b22_relu”
googlenet
(深度学习工具箱)“inception_4d-output”
mobilenetv2
(深度学习工具箱)“block_13_expand_relu”
inceptionv3
(深度学习工具箱)“mixed7”
17 [17] inceptionresnetv2
(深度学习工具箱)“block17_20_ac”
若要修改网络并将其转换为Fast R-CNN网络,请参见设计一个R-CNN,快速R-CNN和一个更快R-CNN模型.
使用
trainingOptions
(深度学习工具箱)函数启用或禁用详细打印。
参考文献
Girshick, Ross。“快速R-CNN。”IEEE计算机视觉国际会议论文集.2015.
齐特尼克,c·劳伦斯,彼得·杜乐。“边框:从边定位对象建议。”计算机视觉- eccv 2014.施普林格国际出版,2014,第391-405页。
扩展功能
版本历史
在R2017a中引入
另请参阅
应用程序
功能
objectDetectorTrainingData
|trainRCNNObjectDetector
|trainFasterRCNNObjectDetector
|trainingOptions
(深度学习工具箱)|estimateAnchorBoxes
对象
层
(深度学习工具箱)|SeriesNetwork
(深度学习工具箱)|fastRCNNObjectDetector
|boxLabelDatastore