连接到一个网络摄像头和加载pretrained ResNet-18网络:。

相机=摄像头;%连接到相机网= resnet18;%加载神经网络

如果你需要安装摄像头和ResNet-18外接程序,一个消息出现的链接帮助你下载免费插件使用附加的探险家。另外,看到深度学习工具箱模型ResNet-18网络和MATLAB金宝app支持USB摄像头的包安装说明。

后安装深度学习工具箱™ResNet-18网络模型,您可以使用它对图像进行分类。ResNet-18 pretrained模型,一直在训练ImageNet数据库的一个子集。模型训练超过一百万图片,可以分类图像分成1000个对象类,如键盘,鼠标,杯子,铅笔,等等。

设立目标的接口板,创建工作流对象,和网络部署到目标板:

hT = dlhdl.Target (“Xilinx”、接口=“以太网”);hW = dlhdl.Workflow (“网络”净,“比特流”,“zcu102_single”,“目标”hT);hW.deploy;

显示和分类现场图片:

而真正的im =快照(相机);%拍照图像(im);%显示图片我= imresize (im (224 224));%调整ResNet-18的照片(预测、速度)= hW.predict(单(im),“配置文件”,“上”);[val, idx] = max(预测);标签= net.Layers(结束).ClassNames {idx};%的图像进行分类标题(char(标签));%显示类的标签drawnow结束

的摄像头指向一个对象。pretrained深学习网络报道什么类的对象它认为摄像头显示,直到你按分类图像Ctrl+C。网络使用的代码调整图像的大小imresize。

例如,网络正确分类一个咖啡杯。实验对象在你的周围,看看准确的网络。

下一步,请参阅深度学习在FPGA的解决方案。