yolov4ObjectDetector
检测对象使用YOLO v4意思对象探测器
描述
的yolov4ObjectDetector对象创建一个你只看一次版本4 (YOLO v4意思)单程对象检测器来检测对象在一个图像。使用这个对象,您可以:
创建一个pretrained YOLO v4对象探测器利用YOLO v4意思意思深度学习网络可可训练数据集。
创建一个自定义YOLO v4意思对象探测器通过使用任何pretrained或未经训练的YOLO v4意思深学习网络。
创建
语法
描述
Pretrained YOLO v4意思对象探测器
自定义YOLO v4意思对象探测器
探测器= yolov4ObjectDetector (的名字,类,aboxes)trainYOLOv4ObjectDetector功能训练检测器。
探测器= yolov4ObjectDetector (净,类,aboxes)净。
如果净是一个pretrained YOLO v4意思深学习网络,该函数创建一个pretrained YOLO v4意思对象探测器。的类和aboxes值用于训练网络。
如果净是一个未经训练的YOLO v4意思深学习网络,这个函数创建一个YOLO v4意思对象探测器用于培训和推理。类和aboxes指定对象类和锚箱,分别训练YOLO v4意思网络。
使用trainYOLOv4ObjectDetector功能训练网络执行对象检测之前。
探测器= yolov4ObjectDetector (baseNet,类,aboxes“DetectionNetworkSource”,层)baseNet。
指定的函数将检测头添加到特征提取层层在基础网络。指定的名称特征提取层,使用名称-值参数“DetectionNetworkSource”,层。
如果baseNetpretrained深入学习网络,有人知道由罗v4函数创建一个对象探测器,并配置它来执行转移学习与指定的对象类和锚盒子。
如果baseNet是一个未经训练的深度学习网络,该函数创建一个YOLO v4意思对象探测器和配置对象检测。类和aboxes指定对象类和锚箱,分别训练YOLO v4意思网络。
你必须训练检测器在训练数据集执行对象检测。使用trainYOLOv4ObjectDetector功能训练检测器。
请注意
使用pretrained YOLO v4意思可可训练数据集对象检测网络,您必须安装计算机视觉工具箱YOLO v4意思™模型对象检测。你可以下载并安装计算机视觉工具箱YOLO v4意思对象模型检测从附加的探险家。关于安装插件的更多信息,请参阅获取和管理插件。要运行这个函数,您将需要深度学习工具箱™。
输入参数
属性
对象的功能
检测 |
检测对象使用YOLO v4意思对象探测器 |
例子
创建Pretrained YOLO v4意思对象探测器
指定的名称pretrained YOLO v4意思深学习网络。
name =“tiny-yolov4-coco”;
创建YOLO v4意思对象探测器利用pretrained YOLO v4意思网络。
探测器= yolov4ObjectDetector(名称);
显示和探测器检查YOLO v4意思的属性对象。
disp(探测器)
yolov4ObjectDetector属性:网络:[1×1 dlnetwork] AnchorBoxes:{2×1细胞}一会:{80×1细胞}InputSize: [416 416 3] ModelName:“tiny-yolov4-coco”
使用analyzeNetwork显示YOLO v4意思网络体系结构和网络层的信息。
analyzeNetwork (detector.Network)
检测对象在一个未知的图像通过使用pretrained YOLO v4意思对象探测器。
img = imread (“highway.png”);[bboxes、分数、标签]=检测(探测器,img);
显示检测结果。
detectedImg = insertObjectAnnotation (img,“矩形”、bboxes、标签);图imshow (detectedImg)
创建自定义YOLO v4意思对象探测器
这个例子展示了如何创建一个YOLO v4意思对象检测网络使用pretrained ResNet -50卷积神经网络为基础的网络。
加载一个pretrained深入学习网络作为基础网络。这个示例使用ResNet-50 pretrained网络为基础网络。其他可用pretrained网络的信息,请参阅Pretrained深层神经网络(深度学习工具箱)。
basenet = resnet50;
使用analyzeNetwork显示基础网络的体系结构。
analyzeNetwork (basenet)
第一层在基地网络图像输入层。检查图像的属性输入层的基础网络。
basenet.Layers (1)
ans = ImageInputLayer属性:名称:“input_1”InputSize: [224 224 3] Hyperparameters DataAugmentation:“没有”正常化:“zerocenter”NormalizationDimension:“汽车”的意思是:(224×224×3个)
创建一个YOLO v4意思深入学习网络必须使这些更改基础网络:
设置
归一化财产的ImageInputLayer基础网络的没有一个”。删除分类完全连接层。
定义一个图像输入层归一化属性值为“没有一个和其他属性值相同的基础网络。
图象尺寸= basenet.Layers (1) .InputSize;layerName = basenet.Layers (1) . name;newinputLayer = imageInputLayer(图象尺寸,“归一化”,“没有”,“名字”,layerName);
基础网络提取层图用于创建YOLO v4意思深入学习网络. .
lgraph = layerGraph (basenet);
删除完全连接层的基础网络。
lgraph = removeLayers (lgraph,“ClassificationLayer_fc1000”);
替换图像输入层与新的输入基础网络层。
lgraph = replaceLayer (lgraph layerName newinputLayer);
创建一个dlnetwork对象的层
dlnet = dlnetwork (lgraph);
指定的名称特征提取层基础网络使用的检测头。
featureExtractionLayers = [“activation_22_relu”,“activation_40_relu”];
指定要使用的类名和锚箱培训使用创建的YOLO v4意思深入学习网络resnet50为基础网络。
类= {“汽车”,“人”};anchorBoxes = {(122177, 223, 84, 80, 94];…[111,38岁,33岁,47岁,37岁,18]};
创建一个YOLO v4意思对象探测器通过使用指定的基础网络和检测。
探测器= yolov4ObjectDetector (dlnet类、anchorBoxes DetectionNetworkSource = featureExtractionLayers);
显示和探测器检查YOLO v4意思的属性对象。
disp(探测器)
yolov4ObjectDetector属性:网络:[1×1 dlnetwork] AnchorBoxes:{2×1细胞}一会:{2×1细胞}InputSize: [224 224 3] ModelName:“
使用analyzeNetwork显示YOLO v4意思网络体系结构和网络层的信息。
analyzeNetwork (detector.Network)
扩展功能
版本历史
介绍了R2022a
