主要内容

vehicleDetectorFasterRCNN

使用更快的R-CNN检测车辆

折叠所有页面

语法

探测器= vehicleDetectorFasterRCNN

描述

例子

探测器= vehicleDetectorFasterRCNN返回训练过的更快的R-CNN(卷积神经网络区域)目标检测器，用于检测车辆。Faster R-CNN是一个深度学习对象检测框架，使用卷积神经网络(CNN)进行检测。

检测器使用车辆前、后、左、右的未遮挡图像进行训练。与车辆检测器一起使用的CNN使用了MobileNet-v2网络架构的改进版本。

使用此功能需要深度学习工具箱™。

请注意

检测器训练使用uint8图像。在使用此检测器之前，通过使用im2uint8或重新调节．

例子

全部折叠

这个示例使用:

打开生活的脚本

在单个图像中检测汽车，并用检测分数标注图像。为了检测车辆，使用更快的R-CNN目标检测器，它是用车辆的图像训练的。

加载预先训练好的探测器。

fasterRCNN = vehicleDetectorFasterRCNN;

在加载的图像上使用检测器。存储包围盒的位置和它们的检测分数。

我= imread (“highway.png”）;[bboxes,分数]=检测(fasterRCNN,我);

用检测和它们的分数注释图像。

我= insertObjectAnnotation (,“矩形”bboxes,分数);图imshow(我)标题(“被检测车辆和检测分数”）

图中包含一个坐标轴。标题为“检测车辆”和“检测分数”的轴包含一个类型为image的对象。

输出参数

全部折叠

训练了更快的基于r - cnn的目标检测器，返回为fasterRCNNObjectDetector对象。

兼容性的考虑

全部展开

未来版本中的行为改变

另请参阅

|||

介绍了R2017a

自动驾驶工具箱文档

金宝app

用Simulink实现自适应巡航控制器金宝app

用Simulink实现自适应巡航控制器金宝app

下载技术论文