运行这些命令如果需要下载,连接摄像头,pretrained神经网络。

相机=摄像头;%连接到相机网= squeezenet;%加载神经网络

如果你需要安装网络摄像头插件,一个消息从出现的功能链接帮助你下载免费插件使用附加的探险家。另外,看到MATLAB金宝app支持USB摄像头的包。

SqueezeNet是pretrained卷积神经网络(CNN)一直在训练超过一百万张图片,可以分类图像到1000年对象类别(例如,键盘、鼠标、咖啡杯、铅笔,和许多动物)。

运行以下代码来显示和现场图像进行分类。的摄像头指向一个对象和神经网络报告类的对象认为摄像头显示。它将继续直到你按分类图像Ctrl+C。网络使用的代码调整图像的大小imresize。

而真正的im =快照(相机);%拍照图像(im);%显示图片我= imresize (im (227 227));%调整squeezenet的照片标签=分类(净,im);%分类图片标题(char(标签));%显示类的标签drawnow结束

在这个例子中,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。

观看视频的这个例子中,看到的深度学习在11行MATLAB代码。

学习如何扩展这个示例显示类的概率得分,明白了使用深度学习摄像头图像进行分类。

下一步的深入学习,您可以使用pretrained网络其他任务。解决新分类问题在你的图像数据传输学习或特征提取。有关示例,请参见开始使用转移学习深度学习更快和火车从Pretrained网络分类器使用的特性。尝试其他pretrained网络,看到的Pretrained深层神经网络。