yolov3objectdetector
创建YOLO V3对象检测器
描述
这yolov3objectdetector对象创建一个您只看一次版本3（yolo v3）对象检测器，用于检测图像中的对象。使用此对象，您可以：
通过使用在Coco DataSet上培训的Yolo V3深度学习网络创建预训练的YOLO V3对象探测器。
通过使用任何预磨损或未培训的YOLO V3深度学习网络创建自定义YOLO V3对象探测器。
创建
句法
描述
预制yolo v3对象探测器
自定义YOLO V3对象检测器
探测器= yolov3objectdetector（基塔尼特那班级那阿昔，'transectionnetworksource'，层）基塔尼特。
该功能将检测头添加到指定的特征提取层层在基础网络中。要指定要素提取图层的名称，请使用名称值参数'detectionnetworksource'那层。
如果基塔尼特是一个预先磨普的深度学习网络，该函数创建YOLO V3对象检测器，并配置它以使用指定的对象类和锚框进行传输学习。
如果基塔尼特是一个未经训练的深度学习网络，该函数创建YOLO V3对象检测器，并将其配置为对象检测。班级和阿昔分别指定对象类和锚框，用于培训YOLO V3网络。
在执行对象检测之前，必须在训练数据集上培训检测器。
笔记
此功能需要电脑Vision Toolbox™型号为Yolo V3对象检测。你可以安装YOLO V3对象检测的计算机视觉工具箱模型从附加资源管理器。有关安装加载项的详细信息，请参阅获取和管理附加组件。要运行此功能，您将需要深度学习工具箱™。
输入参数
特性
例子
创建佩带的yolo v3对象探测器
指定普里拉利v3深度学习网络的名称。
名称='tiny-yolov3-coco';
使用预制的YOLO V3网络创建YOLO V3对象探测器。
探测器= yolov3objectdetector（name）;
显示并检查YOLO V3对象检测器的属性。
DISP（探测器）
yolov3objectdetector具有属性：网络：[1×1 dlnetwork]锚盒：{2×1个单元格}类：[1×80分类]输入：[416 416]了解：[48×3表]状态：[22×3表]ModelName：'tiny-yolov3-coco'
采用分析显示YOLO V3网络架构并获取有关网络层的信息。网络有两个检测头附加到特征提取网络。
分析（Detector.network）
通过使用预制的YOLO V3对象检测器检测未知图像中的对象。
img = imread（'sherlock.jpg'）;IMG = Preprocess（探测器，IMG）;[Bboxes，Scores，标签] =检测（检测器，IMG，'DetectionPrepossing'那'没有任何'）;
显示检测结果。
detectedimg = InsertObjectAnnotation（IMG，'矩形'，bboxes，标签）;图imshow（detectedimg）
创建自定义YOLO V3对象检测器
此示例显示如何通过使用预先磨碎的挤压Zenet作为基础网络创建自定义YOLO V3对象检测器。
加载预制挤压罩网络。Squeezenet网络是一种卷积神经网络，您可以用作创建YOLO V3对象检测器的基础网络。
net =挤压
net =具有属性的Dagnetwork：图层：[68×1 nnet.cnn.layer.layer]连接：[75×2表] InputNames：{'data'} OutputNames：{'classificationLayer_predictions'}
通过使用检查基础网络的体系结构分析（深度学习工具箱）功能。
分析（净）
指定用于培训YOLO V3网络的锚框和类。
aboxes = {[150,127; 97,90; 68,67]; [38,42; 41,29; 31,23]};类= {'车'那'卡车'};
在基础网络中选择两个特征提取层，用作检测子网的源。
第= {'fire9-concat'那'fire8-concat'};
通过将检测头添加到基础网络的特征提取层来创建自定义YOLO V3对象检测器。指定模型名称，类和锚框。
探测器= yolov3objectdetector（网，课程，阿夸谢，'型号名称'那'自定义YOLO v3'那'detectionnetworksource'，层）;
通过使用检查YOLO V3深度学习网络的体系结构分析（深度学习工具箱）功能。
分析（Detector.network）
检查YOLO V3对象检测器的属性。您现在可以在自定义训练数据集上培训YOLO V3对象探测器并执行对象检测。
DISP（探测器）
yolov3objectdetector具有属性：网络：[1×1 dlnetwork]锚盒：{2×1个单元格} ClassNames：[汽车卡车]输入：[227 227]了解：[66×3表]状态：[6×3表] ModelName：'自定义YOLO v3'
有关如何培训YOLO V3对象探测器的信息，请参阅物体检测使用YOLO V3深度学习例子。
您还可以从以下列表中选择一个网站：
