使用深度学习对网络摄像头图像进行分类
此示例显示如何使用预先训练的深卷积神经网络Googlenet实时对网络摄像头进行分类图像。
使用MATLAB®，简单的网络摄像头和深度神经网络来识别周围环境中的对象。此示例使用Googlenet，这是一百万个图像培训的预制深卷积神经网络（CNN或ConvNet），可以将图像分类为1000个对象类别（例如键盘，咖啡杯，铅笔和许多动物）。您可以下载Googlenet并使用MATLAB实时连续处理摄像机图像。
Googlenet已经了解了丰富的特征表示，有各种图像。它将图像作为输入，为图像中的对象提供标签以及每个对象类别的概率。您可以在周围环境中进行实验，以查看Googlenet如何准确分类图像。要了解有关网络对象分类的更多信息，您可以实时显示前五个类的分数，而不是仅仅是最终的类决策。
加载相机和预磨平网络
连接到相机并加载预制Googlenet网络。您可以在此步骤中使用任何预磨损网络。该示例需要MATLAB支持包为USB网络摄像头，深度学习金宝app工具箱™模型对于Googlenet网络。如果您没有安装所需的支持包，则软件提供了下载链接。金宝app
Camera =网络摄像头;net = googlenet;
如果要再次运行该示例，请首先运行命令清晰的相机在哪里相机是与网络摄像头的连接。否则，您会看到错误，因为您无法创建与同一网络摄像头的另一个连接。
将快照分类为摄像头
要对图像进行分类，必须将其调整为网络的输入大小。得到前两个要素输入网络的图像输入层的属性。图像输入层是网络的第一层。
InputSize = Net.Layers（1）.Inputsize（1：2）
InputSize = 224 224
使用预测标签及其概率从相机显示图像。在呼叫之前，必须将图像的大小调整为网络的输入大小分类。
图IM =快照（相机）;图像（IM）IM = IMResize（IM，InputSize）;[标签，得分] =分类（网络，IM）;标题（{char（标签），num2str（max（得分），2）}）;
连续对相机进行分类图像
要持续地将图像分类，请在循环中包含先前的步骤。在图形打开时运行循环。为了停止实时预测，只需关闭数字即可。用drawn在每次迭代结束时更新图。
h =图;尽管Ishandle（h）im =快照（相机）;图像（IM）IM = IMResize（IM，InputSize）;[标签，得分] =分类（网络，IM）;标题（{char（标签），num2str（max（得分），2）}）;drawn结尾
展示最重要的预测
预测的类可以快速改变。因此，将顶部预测一起显示在一起可以有助于。您可以通过绘制具有最高预测分数的类来显示前五个预测及其概率。
从相机上分类快照。使用预测标签及其概率从相机显示图像。显示前五个预测的概率的直方图分数输出分类功能。
创建图形窗口。首先，调整窗口的大小宽度，并创建两个子图。
h =图;H.Position（3）= 2 * H.Position（3）;AX1 =子图（1,2,1）;AX2 =子图（1,2,2）;
在左侧子图中，将图像和分类一起显示在一起。
IM =快照（相机）;图像（AX1，IM）IM = IMRESIZE（IM，INPUTSIZE）;[标签，得分] =分类（网络，IM）;标题（Ax1，{char（标签），num2str（max（得分），2）}）;
通过选择具有最高分的类来选择前五个预测。
[〜，IDX] =排序（得分，“下降”）;IDX = IDX（5：-1：1）;classes = net.layers（结束）.classes;classnamestop = string（类（idx））;scoretop =得分（Idx）;
将前五个预测显示为直方图。
Barh（Ax2，Scoretop）XLIM（AX2，[0 1]）标题（AX2，'前5'）Xlabel（AX2，'可能性'）YTicklabels（AX2，ClassNamestop）Ax2.yaxisLocation ='正确的';
不断对图像进行分类并显示最佳预测
要连续地将图像从相机分类并显示顶部预测，请包括循环内部的上一步。在图形打开时运行循环。为了停止实时预测，只需关闭数字即可。用drawn在每次迭代结束时更新图。
创建图形窗口。首先调整窗口的大小，宽度两倍，并创建两个子图。防止轴调整大小，设置位置混合物财产'InnerPosition'。
h =图;H.Position（3）= 2 * H.Position（3）;AX1 =子图（1,2,1）;AX2 =子图（1,2,2）;Ax2.PositionConstraint =.'InnerPosition';
连续显示和分类图像以及前五个预测的直方图。
尽管ishandle（h）％显示并分类图像IM =快照（相机）;图像（AX1，IM）IM = IMRESIZE（IM，INPUTSIZE）;[标签，得分] =分类（网络，IM）;标题（Ax1，{char（标签），num2str（max（得分），2）}）;％选择前五个预测[〜，IDX] =排序（得分，“下降”）;IDX = IDX（5：-1：1）;scoretop =得分（Idx）;classnamestop = string（类（idx））;％绘制直方图Barh（Ax2，Scoretop）标题（AX2，'前5'）Xlabel（AX2，'可能性'）XLIM（AX2，[0 1]）YTicklabels（AX2，ClassNamestop）AX2.yaxisLocation ='正确的';drawn结尾
也可以看看
相关话题
您还可以从以下列表中选择一个网站：
