火车YOLO v2物体探测器
返回使用输入指定的版本2 (YOLO v2)网络体系结构训练的对象检测器探测器
= trainYOLOv2ObjectDetector (trainingData
,lgraph
,选项
)lgraph
.这个选项
Input指定检测网络的训练参数。
从保存的检测器检查点恢复培训。探测器
= trainYOLOv2ObjectDetector (trainingData
,检查点
,选项
)
您可以使用此语法来:
添加更多培训数据并继续培训。
通过增加最大的迭代次数来提高训练的准确性。
继续培训YOLO v2对象检测器。使用此语法对检测器进行微调。探测器
= trainYOLOv2ObjectDetector (trainingData
,探测器
,选项
)
除了前面任何语法中的输入参数外,还使用名称-值对指定多尺度训练的图像大小。探测器
= trainYOLOv2ObjectDetector (___,“TrainingImageSize”,trainingSizes
)
为了提高预测的准确性,
增加可用于训练网络的图像数量。可以通过数据增强扩展训练数据集。有关如何将数据增强应用于预处理的信息,请参阅用于深度学习的图像预处理(深度学习工具箱).
通过使用trainYOLOv2ObjectDetector
函数。为此,请指定'TrainingImageSize
的参数trainYOLOv2ObjectDetector
用于训练网络的功能。
选择适合于数据集的锚框来训练网络。你可以使用estimateAnchorBoxes
函数直接从训练数据计算锚箱。
[1] 约瑟夫。R、 S.K.Divvala、R.B.Girshick和F.Ali。“你只看一次:统一的、实时的目标检测。”IEEE计算机视觉与模式识别会议论文集, 779 - 788页。拉斯维加斯,内华达州:CVPR, 2016。
[2] 约瑟夫。阿里。尤罗9000:更好、更快、更强IEEE计算机视觉与模式识别会议论文集,第6517-6525页。檀香山,HI:CVPR,2017年。
trainingOptions
(深度学习工具箱)|trainRCNNObjectDetector
|trainFastRCNNObjectDetector
|trainFasterRCNNObjectDetector
|对象训练数据
|约洛夫2层