火车yolo v2对象探测器
返回培训的对象探测器,只使用输入指定的版本2(yolo v2)网络架构探测器
= trainyolov2objectdetector(trainingData
,LGRAPH.
,选项
)LGRAPH.
这个选项
输入指定检测网络的训练参数。
恢复从已保存的检测检查点的训练。探测器
= trainyolov2objectdetector(trainingData
,检查站
,选项
)
你可以使用这个语法:
添加更多的训练数据并继续训练。
提高通过增加迭代的最大数量的训练精度。
继续培训YOLO V2对象探测器。使用此语法进行微调检测器。探测器
= trainyolov2objectdetector(trainingData
,探测器
,选项
)
要生成地面真相,请使用图片标志或者贴标签机视频应用程序。若要从产生地面实况训练数据表,使用objectDetectorTrainingData
函数。
为了提高预测精度,,
增加可以用于训练网络的图像数量。您可以通过数据增强来扩展训练数据集。有关如何将数据增强应用于预处理的信息,请参见深度学习的图像预处理(深学习工具箱).
进行多尺度训练trainYOLOv2ObjectDetector
函数。要做到这一点,指定'TeacherivageSize.
'的论点trainYOLOv2ObjectDetector
培训网络的功能。
选择适合于数据集的锚框以培训网络。你可以使用extimateanchorboxes.
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。”在在IEEE会议计算机视觉与模式识别(CVPR)论文集,第779-788页。内华达州拉斯维加斯:CVPR,2016年。
[2]约瑟。R和f。“YOLO 9000:更好、更快、更强。”在在IEEE会议计算机视觉与模式识别(CVPR)论文集, 6517 - 6525页。檀香山,HI: CVPR, 2017。
objectDetectorTrainingData
|trainFasterRCNNObjectDetector
|trainFastRCNNObjectDetector
|trainrcnnobjectdetector
|yolov2Layers
|培训选项
(深学习工具箱)