为YOLO v2对象检测网络创建输出层
的yolov2OutputLayer
函数创建一个Yolov2OutputLayer.
对象,其中表示输出层,为您只看一次版本2 (YOLO v2)对象检测网络。输出层提供了目标对象的精细边界框位置。
创建一个层
= yolov2OutputLayer (anchorBoxes
)Yolov2OutputLayer.
对象,层
,表示YOLO v2对象检测网络的输出层。该层输出精炼的边界盒位置,这些位置是使用在输入处指定的一组预定义锚盒来预测的。
使用名称-值对和前面语法中的输入设置其他属性。将每个属性名用单引号括起来。例如,层
= yolov2OutputLayer (anchorBoxes
,名称,值
)Yolov2OutputLayer('姓名','YOLO_OUT')
创建一个名为yolo_Out的输出层。
为了提高预测精度,你可以:
用更多图像训练网络。您可以通过数据增强扩展培训数据集。有关如何应用数据增强进行培训数据集的信息,请参阅深度学习的图像预处理(深度学习工具箱).
进行多尺度训练Trainyolov2ObjectDetector.
函数。为此,请指定'TrainingImageSize
的参数Trainyolov2ObjectDetector.
用于训练网络的功能。
选择适合于数据集的锚框来训练网络。你可以使用estimateAnchorBoxes
函数直接从训练数据计算锚盒。
[1]约瑟。R, S. K. Divvala, R. B. Girshick和F. Ali。“你只看一次:统一的、实时的物体检测。”在计算机愿景和模式识别的IEEE会议的诉讼程序(CVPR),pp.779-788。拉斯维加斯,NV:CVPR,2016年。
[2]约瑟。R和f。“YOLO 9000:更好、更快、更强。”在计算机愿景和模式识别的IEEE会议的诉讼程序(CVPR), 6517 - 6525页。檀香山,HI: CVPR, 2017。