来自系列:与matlab深入学习
乔•Hicklin MathWorks
观看如何使用MATLAB的快速演示®,一个简单的网络摄像头和一个深神经网络,用于识别周围环境中的物体。这个演示用途AlexNet.,一种训练有素的深卷积神经网络(CNN或GROMNET)已培训超过一百万图像。
该示例包括两部分:设置摄像机和执行物体识别。第一部分展示了如何使用摄像头
命令从相机获取图像。使用drawn
命令,Matlab能够连续更新和显示相机拍摄的图像。
第二部分介绍如何下载预先训练的深度神经网络AlexNet,并使用MATLAB对摄像机图像进行连续处理。AlexNet将图像作为输入,并为图像中的对象提供一个标签。你可以用你周围的物体做实验,看看AlexNet有多精确。
今天,你可以用MATLAB很容易地做到这一点,但就在几年前,这还被认为是科幻小说。
学习更多关于与matlab深入学习或者下载演示代码.
记录:2016年12月6日
你好。我的名字是Joe Hicklin。我是Mathworks的高级开发人员。我一直在尝试与Matlab和神经网工具箱的深入学习。我写了一个简单的小程序,做了很酷的事情。我现在想向你展示这一点。
我所做的就是把一个网络摄像头连接到一个能识别图像的神经网络上。现在我可以把摄像头对准不同的物体,它就能识别出来。开瓶器,螺丝刀,左轮手枪,口琴,茶壶,铲子,诸如此类的东西。它不是完美的,但它做得很好。
让我们看看实现这个的代码。这就是整个项目,对吧?只有11行。我们要过一遍。但我们要分三个阶段来做。
我们要清理工作空间。我们会让摄像头连接到网络摄像头,用摄像头拍照,最后,把照片显示在屏幕上。当我们运行这个时,我们会得到一个新的图像。这是我们刚拍的照片。
但那是静止图像。我们希望这是一个连续的视频。所以我们将添加三条线以将其放入循环中。
我们将在拍摄照片的代码周围放置一个while循环。我们会添加一个绘图,所以MATLAB会立即绘图。当我运行这个,我们会得到同样的结果。但是现在,这是一个直播视频。
最后,我们需要加入神经网络。我使用一个叫AlexNet的网络。AlexNet是一个大型的深度卷积神经网络。他们用上百万张图片训练网络。它能识别大约1000种不同的物体。
我下载了它。现在我们已准备好使用它。这条线将要求网络分类我们刚刚采取的图片。所以我们会将每张图片传递给网络,它将返回该图片的标签。
在此之前,我们必须将图片调整到AlexNet所期望的大小。它被训练成一个特定大小的图像。最后,我将在图片的标题中使用这个标签。我需要用这个命令把它转换成一个字符串。
我们都准备好了。这些是直线。让我们再运行一次。我们又开始跑步了。
我能识别键盘,或者空格键。认出我的鼠标,或者是抹刀。好了。
我希望这个方案的简单性鼓励您尝试深入学习。下一个自然步骤是尝试转移学习。转移学习是您像alexNet这样的网络,并在您自己的特定图像上重新培训最后几个层。这将导致网络甚至比AlexNet更好地为您的特定图像。如果您有兴趣了解如何对如何应用深度学习的问题,请查看描述中的链接。
您还可以从以下列表中选择一个网站:
选择中国网站(中文或英文)以获得最佳网站性能。其他MathWorks国家站点没有针对您所在位置的访问进行优化。