火车快速R-CNN深度学习对象探测器
使用深度学习训练快速R-CNN(卷积神经网络区域)目标检测器。您可以训练一个Fast R-CNN检测器来检测多个对象类。训练有弦
= trainFastRCNNObjectDetector (trainingData
,网络
,选项
)
此功能要求您拥有深度学习工具箱™。建议您也有并行计算工具箱™与CUDA一起使用®使英伟达®GPU。有关支持的计算能力的信息,请参见金宝appGPU支金宝app持情况(并行计算工具箱).
从探测器检查点恢复培训。训练有弦
= trainFastRCNNObjectDetector (trainingData
,检查点
,选项
)
继续培训探测器,额外的培训数据或执行更多培训迭代以提高探测器精度。训练有弦
= trainFastRCNNObjectDetector (trainingData
,探测器
,选项
)
还可以训练一个定制的区域建议功能,训练有弦
= trainFastRCNNObjectDetector (___“RegionProposalFcn”,proposalFcn
)proposalFcn
,使用前面的任何输入。如果不指定建议函数,则该函数将使用边缘框的变体[2]算法。
为了加快训练数据的预处理,trainFastRCNNObjectDetector
基于并行首选项设置自动创建和使用并行池。有关设置这些首选项的详细信息,请参见并行偏好设置.使用并行计算首选项需要并行计算工具箱。
VGG-16、VGG-19、ResNet-101和Inception-ResNet-v2是大型模型。使用大图像进行训练会产生“内存不足”的错误。为了减少这些错误,尝试以下一个或多个选项:
通过使用“SmallestimageMention.
”的论点。
减少'的价值numregionstosample.
' name-value参数值。
此功能支持转移学习。金宝app输入时网络
按名称,如'resnet50'
然后,该功能根据佩带的净定自动将网络转换为有效的FAST R-CNN网络模型resnet50.
(深度学习工具箱)模型。或者,使用该方法手动指定自定义快速R-CNN网络LayerGraph
(深度学习工具箱)从预先训练的DAG网络中提取的。有关详细信息,请参见创建快速R-CNN对象检测网络.
该表描述了如何将每个命名网络转换为一个Fast R-CNN网络。特征提取层名称指定ROI池层处理的是哪一层。ROI输出大小指定了ROI池化层输出的特征映射的大小。
网络名称 | 特征提取层名称 | ROI池汇集层输出 | 描述 |
---|---|---|---|
AlexNet. (深度学习工具箱) |
'relu5' |
[6 6] | 最后的最大池层由ROI MAX池层替换 |
vgg16 (深度学习工具箱) |
“relu5_3” |
7 [7] | |
vgg19 (深度学习工具箱) |
“relu5_4” |
||
squeezenet (深度学习工具箱) |
“fire5-concat” |
(14日14) | |
resnet18 (深度学习工具箱) |
'res4b_relu' |
在特征提取层之后插入ROI池池。 | |
resnet50. (深度学习工具箱) |
'activation_40_relu' |
||
Resnet101. (深度学习工具箱) |
'res4b222_relu' |
||
googlenet (深度学习工具箱) |
“inception_4d-output” |
||
mobilenetv2 (深度学习工具箱) |
“block_13_expand_relu” |
||
inceptionv3 (深度学习工具箱) |
'混合7' |
17 [17] | |
InceptionResnetv2. (深度学习工具箱) |
“block17_20_ac” |
要将网络修改和转换为快速R-CNN网络,请参阅设计一个R-CNN,快速的R-CNN,和一个更快的R-CNN模型.
使用培训选项
(深度学习工具箱)函数来启用或禁用详细打印。
[1]吉伦克,罗斯。“快速R-CNN。”IEEE计算机愿景国际会议的诉讼程序.2015年。
[2] Zitnick,C. Lawrence和Piotr美元。“边缘盒子:从边缘找到对象提案。”计算机Vision-ECCV 2014.Springer International Publishing,2014,PP。391-405。
estimateAnchorBoxes
|objectDetectorTrainingData
|trainFasterRCNNObjectDetector
|trainrcnnobjectdetector.
|培训选项
(深度学习工具箱)boxLabelDatastore
|fastrcnnobjectdetector
|层
(深度学习工具箱)|SeriesNetwork
(深度学习工具箱)