ssdObjectDetector
描述
的ssdObjectDetector检测对象从一个图像,使用单一探测器探测器(SSD)对象。检测对象在一个图像,通过训练检测器检测函数。您还可以使用多类对象的训练检测器检测。SSD深入学习网络信息,请参阅开始使用SSD Multibox检测。
创建
语法
描述
探测器= ssdObjectDetector (净,类,aboxes)净。
如果净pretrained SSD深入学习网络,函数创建一个pretrained SSD对象探测器。的类和aboxes值用于训练网络。
如果净是一个未经训练的SSD深入学习网络,该函数创建一个SSD对象探测器用于培训和推理。类和aboxes指定对象类和锚箱,分别训练SSD网络。
使用trainSSDObjectDetector功能训练网络执行对象检测之前。
探测器= ssdObjectDetector (baseNet,类,aboxes“DetectionNetworkSource”,层)baseNet。
指定的函数将检测头添加到特征提取层层在基础网络。指定的名称特征提取层,使用名称-值参数“DetectionNetworkSource”,层。
如果baseNetpretrained深入学习网络,函数创建一个SSD对象探测器,并配置它来执行转移学习与指定的对象类和锚盒子。
如果baseNet是一个未经训练的深度学习网络,该函数创建一个SSD对象探测器和配置对象检测。类和aboxes指定对象类和锚箱,分别训练SSD网络。
你必须训练检测器在训练数据集执行对象检测。使用trainSSDObjectDetector功能训练检测器。
输入参数
属性
对象的功能
检测 |
使用SSD multibox对象检测器检测对象 |
例子
创建自定义SSD对象探测器
这个例子展示了如何创建一个SSD对象检测网络使用pretrained ResNet -50卷积神经网络为基础的网络。
加载一个pretrained深入学习网络作为基础网络。这个示例使用ResNet-50 pretrained网络为基础网络。其他可用pretrained网络的信息,请参阅Pretrained深层神经网络(深度学习工具箱)(深度学习工具箱)。
basenet = resnet50;
使用analyzeNetwork显示基础网络的体系结构。
analyzeNetwork (basenet)
指定要使用的类名和锚箱培训使用创建的SSD深入学习网络resnet50为基础网络。
一会= [“人”“汽车”“狗”];anchorBoxes = {[30 60; 60 30、50 50 100 100),…(40 70;70 40、60 60 120 120),…60 (80;80;70;70 140 140]};
指定的名称特征提取层基础网络使用的检测头。
featureExtractionLayers = [“activation_11_relu”“activation_22_relu”“activation_40_relu”];
创建一个SSD对象探测器通过使用指定的基础网络和检测。
basenet = layerGraph (basenet);探测器= ssdObjectDetector (basenet,一会,anchorBoxes DetectionNetworkSource = featureExtractionLayers);
显示和探测器检查SSD的属性对象。
disp(探测器)
ssdObjectDetector属性:网络:[1 x1 DAGNetwork] AnchorBoxes: {} 3 x1细胞类名:[3 x1字符串]InputSize: [224 224 3] ModelName:“
使用analyzeNetwork显示SSD网络体系结构和网络层的信息。
analyzeNetwork (detector.Network)
检测车辆使用SSD对象探测器
加载pretrained单发射击检测器(SSD)对象来检测图像中的车辆。探测器是训练图像的汽车在公路上的场景。
vehicleDetector =负载(“ssdVehicleDetector.mat”,“探测器”);探测器= vehicleDetector.detector;
读一个测试图像到工作区中。
我= imread (“highway.png”);
显示测试图像。
imshow(我);
运行pretrained SSD对象探测器使用检测函数。输出包含边界框、分数和车辆图像中检测到的标签。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 =2×4139 78 96 81 99 67 165 146
成绩=2 x1单一列向量0.8349 - 0.6302
标签=2 x1分类车车
注释的图像检测的结果。
如果~ isempty (bboxes) detectedI = insertObjectAnnotation(我,“矩形”、bboxes cellstr(标签);其他的detectedI = insertText(10[10],我“不检测”);结束图imshow (detectedI)
扩展功能
版本历史
介绍了R2020a
