文档帮助中心文档
预处理训练和测试图像
trainingData outputData =预处理(探测器)
outputImg=预处理(检测器,img)
[___,scaleInfo]=预处理(___)
例子
outputData=进行预处理(探测器,培训数据)对训练数据进行预处理培训数据在使用它训练YOLO v3目标检测器之前。训练图像和相应的边界框存储在培训数据这个预处理Function执行以下操作:
outputData=进行预处理(探测器,培训数据)
outputData
探测器
培训数据
预处理
将训练图像的强度值重新调整到范围[0,1]。
将训练图像调整为最接近的网络输入大小之一,并更新边界框坐标值以进行精确训练。该函数保留训练数据的原始纵横比。
outputImg=进行预处理(探测器,img)对测试图像进行预处理img使用YOLO v3对象检测器进行对象检测。的预处理Function执行以下操作:
outputImg=进行预处理(探测器,img)
outputImg
img
将测试图像的强度值重新调整到范围[0,1]。
调整测试图像的大小到最接近的网络输入大小之一,并保留每个测试图像的原始宽高比。
[___,scaleInfo) =预处理(___)返回关于用于图像调整大小的比例因子的信息,以及来自前面语法的参数的任何组合。
[___,scaleInfo) =预处理(___)
scaleInfo
请注意
此函数需要计算机视觉工具箱™模型的YOLO v3对象检测.你可以安装YOLO v3目标检测的计算机视觉工具箱模型从附加的探险家。有关安装附加组件的详细信息,请参见获取和管理附加组件.要运行此函数,您将需要深度学习工具箱™。
全部折叠
这个示例使用:
加载预训练的YOLO v3对象检测器。
探测器= yolov3ObjectDetector (“tiny-yolov3-coco”);
将训练数据集加载到工作空间中。训练数据是一个单元格数组,其中包含图像、边框值和类标签。
负载(“trainingData.mat”,“培训数据”);
将训练图像调整为最近的网络输入大小,并使用预处理函数。
输出数据=预处理(检测器、训练数据);
显示输出图像和用于调整图像大小的比例信息。
outputImg=outputData{1,1};图imshow(输出)
显示输入和预处理值。
bboxIn = cell2table (trainingData,“VariableNames”,{“图片”,“边界框”,“标签”})
bboxIn=3×3表(UUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUU
bboxOut=cell2table(输出数据,“VariableNames”,{“图片”,“边界框”,“标签”})
bboxOut =3×3表图像边界框标签 __________________ ________________________ ___________ { 416×416×229 232 36 29单}{‘汽车’}{416×416×3单}182 222 64 46{‘汽车’}{416×416×3单}112 215 47 35{‘汽车’}
读取测试图像。
我= imread (“高速公路,巴布亚新几内亚”);
将测试图像的大小调整为网络输入的大小,并使用预处理函数。
[outputImg, scaleInfo] =预处理(探测器,我);
图imshow (outputImg)
disp (scaleInfo)
预编辑图像大小:[416 416]ScaleX:0.7692 ScaleY:0.5769
yolov3ObjectDetector
YOLO v3对象检测器,指定为yolov3ObjectDetector对象
YOLO v3对象检测器的训练数据,指定为N-by-3单元格数组,包含图像、边框和类标签。每一行的格式为[图片边界框标签].N为网络中输出层的数目。边界框必须存储为K- × 4矩阵的形式[xy宽度高度].K是对象类的数量。
测试图像,指定为大小的数字数组米-借-N-借-C或米-借-N-借-C-借-T.米是行数,N是列数,和C是颜色通道的数量。的值C是1对于灰度图像和3.RGB彩色图像。T数组中测试图像的数量。
1
3.
数据类型:单|双|int8|int16|int32|int64|uint8|uint16|uint32|uint64
单
双
int8
int16
int32
int64
uint8
uint16
uint32
uint64
预处理的训练数据,返回为N3单元阵列。
数据类型:单间牢房
单间牢房
预处理的测试图像,作为大小的数字数组返回P-借-问-借-C或P-借-问-借-C-借-T.P和问是预处理图像中的行数和列数。
数据类型:单
有关调整输入图像大小的比例因子的信息,作为带有字段的结构返回预编辑图像大小,ScaleX和写入ScaleY.
预编辑图像大小
ScaleX
写入ScaleY
预编辑图像大小-大小的输出调整大小的图像。
ScaleX-用于调整图像中图像大小的比例因子X-方向(沿行)。
写入ScaleY-用于调整图像中图像大小的比例因子Y-方向(沿列)。
数据类型:结构体
结构体
检测|向前地|预测|yolov3ObjectDetector
检测
向前地
预测
您有这个示例的修改版本。您想打开这个示例与您的编辑吗?
你点击一个链接对应于这个MATLAB命令:
通过在MATLAB命令窗口中输入命令来运行命令。Web浏览器不支持MATLAB命令。金宝app
选择一个网站,在那里获得翻译的内容,并看到当地的活动和优惠。根据您的位置,我们建议您选择:.
您还可以从以下列表中选择网站:
选择中国网站(中文或英文)以获得最佳网站性能。其他MathWorks国家站点没有针对您所在位置的访问进行优化。
与当地办事处联系