trainRCNNObjectDetector
训练一个R-CNN深度学习对象检测器
语法
描述
训练一个基于R-CNN(卷积神经网络区域)的目标检测器。该函数使用深度学习来训练检测器检测多个对象类。探测器
= trainRCNNObjectDetector (trainingData
,网络
,选项
)
R-CNN的实现没有为每个对象类训练SVM分类器。
此功能要求您拥有深度学习工具箱™和统计和机器学习工具箱™。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).
使用自定义区域建议函数可选地训练R-CNN检测器。探测器
= trainRCNNObjectDetector (___”,RegionProposalFcn
”,proposalFcn)
例子
输入参数
输出参数
限制
R-CNN的实现没有为每个对象类训练SVM分类器。
提示
为了加速训练的数据预处理,
trainRCNNObjectDetector
自动创建并使用一个并行池并行偏好设置.这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。为了减轻这些错误,在调用之前手动调整图像的大小以及边界框接地真值数据
trainRCNNObjectDetector
.该函数支持迁移学习。金宝app当网络按名称输入时,例如
“resnet50”
,然后软件根据预训练的结果自动将网络转换为有效的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R-CNN网络LayerGraph
(深度学习工具箱)从预训练的DAG网络中提取。看到创建R-CNN对象检测网络.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
格什克,R.多纳休,T.达雷尔和J.马利克。“用于精确目标检测和语义分割的丰富特征层次。”IEEE计算机视觉与模式识别会议论文集.2014,第580-587页。
[2] Girshick, R.“快速R-CNN。”IEEE计算机视觉国际会议论文集.2015,第1440-1448页。
齐特尼克,c·劳伦斯,p·道尔。边框:从边定位对象建议。计算机视觉- eccv,施普林格国际出版社。2014,第391-405页。
扩展功能
版本历史
在R2016b中引入
另请参阅
应用程序
功能
trainingOptions
(深度学习工具箱)|trainFastRCNNObjectDetector
|trainFasterRCNNObjectDetector
|trainYOLOv2ObjectDetector
|objectDetectorTrainingData
|resnet50
(深度学习工具箱)
对象
SeriesNetwork
(深度学习工具箱)|层
(深度学习工具箱)|rcnnObjectDetector
|imageCategoryClassifier