主要内容

fastRCNNObjectDetector

使用快速检测对象R-CNN深度学习探测器

扩展所有的页面

描述

的fastRCNNObjectDetector对象检测对象从一个图像,使用快速R-CNN检测器与卷积神经网络(地区)对象。检测对象在一个图像,通过训练检测器检测函数。分类的图像区域,通过检测器classifyRegions函数。

当使用检测或classifyRegions功能与fastRCNNObjectDetector使用CUDA®使英伟达®GPU是强烈推荐。GPU大大减少了计算时间。使用GPU的并行计算需要工具箱™。关于支持计算能力的信息,看到金宝appGPU计算的需求(并行计算工具箱)。

创建

创建一个fastRCNNObjectDetector对象通过调用trainFastRCNNObjectDetector函数与训练数据(需要深度学习工具箱™)。

探测器= trainFastRCNNObjectDetector (trainingData…)

属性

全部展开

分类模型的名称,指定为一个特征向量或字符串标量。默认情况下,这个名字将第二列的标题trainingData表中指定的trainFastRCNNObjectDetector函数。您可以修改这个名字在创建你的fastRCNNObjectDetector对象。

例子:“stopSign”

这个属性是只读的。

训练快速R-CNN检测网络,指定为一个对象。这个对象存储层定义中使用的卷积神经网络快速R-CNN探测器。这个网络分类区域产生的建议RegionProposalFcn财产。

地区的建议方法,指定为一个函数处理。

这个属性是只读的。

对象类的名称,快速R-CNN检测器训练,指定为一个单元阵列。这个属性设置的trainingData输入参数为trainFastRCNNObjectDetector函数。指定类名的一部分trainingData表。

这个属性是只读的。

快R-CNN网络支持的最小物体大小指定为金宝app(高度宽度)向量。的最小大小取决于网络体系结构。

对象的功能

检测 使用快速R-CNN对象检测器检测对象
classifyRegions 分类对象在图像区域使用快速R-CNN对象探测器

例子

全部折叠

打开生活的脚本

检测车辆在一个图像通过使用更快R-CNN对象探测器。

加载更快R-CNN对象探测器pretrained检测车辆。

data =负载(“fasterRCNNVehicleTrainingData.mat”,“探测器”);探测器= data.detector;

读入一个测试图像。

我= imread (“highway.png”);imshow(我)

图包含一个坐标轴对象。坐标轴对象包含一个类型的对象的形象。

在图像上运行探测器并检查结果。来自的标签一会财产的探测器。

[bboxes、分数、标签]=检测(探测器,我)
bboxes =2×4150 86 80 72 91 89 67 48
成绩=2 x1单一列向量1.0000 - 0.9001
标签=2 x1分类车车

探测器检测有很高的信心。注释的图像检测和相应的检测的边界框的分数。

detectedI = insertObjectAnnotation(我“矩形”、bboxes cellstr(标签);图imshow (detectedI)

图包含一个坐标轴对象。坐标轴对象包含一个类型的对象的形象。

版本历史

介绍了R2017a

另请参阅

应用程序

功能

对象

主题