探测

使用快速R-CNN对象检测器检测对象

页面上倒塌

语法

Bboxes =检测（探测器，i）

[bboxes,分数]=检测(探测器,我)

［＿＿＿,标签]=检测(探测器,我)

［＿＿＿) =检测(＿＿＿, roi)

ds detectionResults =检测(探测器)

［＿＿＿) =检测(＿＿＿，名称，价值）

描述

bboxes=检测(探测器，我）检测单个图像或图像数组中的对象，我，使用Fast R-CNN(带有卷积神经网络的区域)目标检测器。检测到的对象的位置以一组包围框的形式返回。

使用此功能时，使用CUDA^®使英伟达^®强烈推荐GPU。GPU显着降低计算时间。GPU的使用需要并行计算工具箱™。有关支持的计算能力的信息，请参阅金宝appGPU通金宝app过发布支持（并行计算工具箱）．

［bboxes，分数) =检测(探测器，我）还返回每个边界框的检测分数。

例子

［＿＿＿，标签) =检测(探测器，我）还使用前面的语法中的任一种返回分配给边界框的分类标签数组。用于对象类的标签在使用过程中定义trainfastrcnnobjectdetector.函数。

［＿＿＿) =检测(＿＿＿，ROI.）在指定的矩形搜索区域内检测对象ROI.．

检测结果=检测(探测器，ds）方法返回的一系列图像中检测对象读输入数据存储的功能。

［＿＿＿) =检测(＿＿＿，名称,值）使用一个或多个指定选项名称,值对参数。例如,检测(探测器,我,‘NumStongestRegions’,1000)将最强的地区建议限制为1000。

例子

全部折叠

使用更快的R-CNN检测车辆

打开生活的脚本

通过使用更快的R-CNN对象检测器检测图像内的车辆。

加载较快的R-CNN对象探测器以检测车辆。

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

阅读测试图像。

我= imread（'highway.png'）;imshow(我)

图包含轴。轴包含类型图像的对象。

在图像上运行检测器并检查结果。标签来自一会检测器的属性。

[Bboxes，Scores，标签] =检测（探测器，i）

Bboxes =.2×4150 86 80 72 91 89 67 48

成绩=2x1单列向量1.0000 0.9001

标签=2 x1分类车车

该探测器对探测有很高的可信度。用检测的边界框和相应的检测分数标注图像。

detectedi = InsertObjectAnnotation（i，“矩形”、bboxes cellstr(标签);图imshow (detectedI)

图包含轴。轴包含类型图像的对象。

输入参数

全部折叠

`探测器`- - - - - -快速R-CNN对象检测器
`fastrcnnobjectdetector.`对象

快速R-CNN对象检测器，指定为afastrcnnobjectdetector.目的。要创建此对象，请调用trainfastrcnnobjectdetector.函数培训数据作为输入。

`我`- - - - - -输入图像
H-经过-W-经过-C-经过-B图像数字数组

输入图像，指定为一个H-经过-W-经过-C-经过-B图像必须是真实的、非稀疏的、灰度或RGB图像。

H:身高
W：宽度
C：每个图像中的频道大小必须等于网络的输入通道大小。例如，对于灰度图像，C必须等于1．对于RGB彩色图像，它必须等于3.．
B：数组中的图像数。

检测器对输入图像的范围敏感。因此，确保输入图像范围类似于用于训练检测器的图像的范围。例如，如果探测器训练uint8.图像，重新缩放这个输入图像的范围[0,255]使用im2uint8或者rescale.函数。输入图像的大小应该与训练中使用的图像的大小相当。如果这些尺寸相差很大，检测器就很难检测到目标，因为输入图像中目标的规模与检测器训练识别的目标的规模不同。考虑一下你是否使用了SmallestimageMention.属性来修改训练图像的大小。

数据类型：uint8.|uint16|int16|双倍的|单身的|逻辑

`ds`- - - - - -数据存储
`数据存储`对象

数据存储，指定为包含图像集合的数据存储对象。每个图像必须是灰度，RGB或多通道图像。该函数仅处理数据存储的第一列，它必须包含图像，并且必须是单元阵列或具有多列的表。

`ROI.`- - - - - -感兴趣搜索区域
［xy宽度高度矢量

指定为[xy宽度高度矢量。矢量指定以像素为单位的左上角和大小。

名称-值对的观点

指定可选的逗号分隔的对名称,值论点。姓名参数名和价值为对应值。姓名必须出现在引号内。可以以任意顺序指定多个名称和值对参数name1，value1，...，namen，valuen．

例子：'numstrontearch'，1000

`'临界点'`- - - - - -检测阈值
`0.5`（默认）|[0,1]范围内的标量

检测阈值，指定为范围[0,1]内的标量。分数小于此阈值的检测将被删除。要减少误报，请增加该值。

`“NumStrongestRegions”`- - - - - -最强区域提案的最大数量
`2000`（默认）|正整数|`INF.`

最强区域建议的最大数目，指定为逗号分隔对，由“NumStrongestRegions”和一个正整数。减少此值以加速检测精度成本的处理时间。要使用所有区域提案，请将此值指定为INF.．

`“SelectStrongest”`- - - - - -选择最强大的边界框
`真正的`（默认）|`假`

为每个检测到的对象选择最强的边界框，指定为逗号分隔的对组成“SelectStrongest”和任何一种真正的或者假．

真正的-返回每个物体最强的边界框。要选择这些方框，探测调用selectstrongestbboxmulticlass.功能，它使用非混中抑制来基于其置信度分数来消除重叠边界框。
例如：
```
SelectStrongestBoxMulticlass（Bbox，Scores，......“RatioType”，'min'，......'重叠阈值', 0.5);
```
假- 返回所有检测到的边界框。然后，您可以创建自己的自定义操作来消除重叠边界框。

`'迷你'`- - - - - -最小区域大小
［高度宽度矢量

包含检测到的对象的最小区域大小，指定为逗号分隔对组成'迷你'和[高度宽度矢量。单位是像素。

默认情况下,inssize最小的物体是训练过的吗探测器可以检测。

`'maxsize'`- - - - - -最大区域大小
`大小`（`我`）（默认）|［高度宽度矢量

包含检测到的对象的最大区域大小，指定为由逗号分隔的对组成'maxsize'和[高度宽度矢量。单位是像素。

为了减少计算时间，将该值设置为已知图像中被检测物体的最大区域大小。默认情况下,'maxsize'设置为输入图像的高度和宽度，我．

`'minibatchsize'`- - - - - -最小批量大小
`128.`（默认）|标量子

最小批大小，指定为由逗号分隔的对组成的'minibatchsize'和标量值。使用MiniBatchSize处理大量图像。图像被分组为小匹匹匹匹配，并作为批量处理以提高计算效率。增加小距离以减少处理时间。减少尺寸以使用更少的内存。

`“ExecutionEnvironment”`- - - - - -硬件资源
`“汽车”`（默认）|`'GPU'`|`'中央处理器'`

运行探测器的硬件资源，指定为逗号分隔对组成“ExecutionEnvironment”和“汽车”，'GPU'，或者'中央处理器'．

“汽车”- 如果可用，请使用GPU。否则，使用CPU。
'GPU'- 使用GPU。要使用GPU，您必须具有并行计算工具箱和CUDA启用的NVIDIA GPU。如果不可用合适的GPU，则该函数返回错误。有关支持的计算能力的信息，请参阅金宝appGPU通金宝app过发布支持（并行计算工具箱）．
'中央处理器'- 使用CPU。

输出参数

全部折叠

`bboxes`- 检测到物体的位置
米4矩阵|B-By-1个单元阵列

在输入图像或图像中检测到的对象的位置，作为返回米-By-4矩阵或一个B1单元阵列。米是图像中包围框的数量，和B是数量米当输入包含图像数组时，- × 4矩阵。

每一行的bboxes包含表格的四元素矢量[xy宽度高度]。此vector指定以像素为单位的左上角和该相应边界框的大小。

`分数`- 检测分数
米1矢量|B-By-1个单元阵列

检测归信分数，作为一个米- 1载体或aB1单元阵列。米是图像中包围框的数量，和B是数量米当输入包含图像数组时，使用-by-1向量。分数越高，表明对检测的信心越高。

`标签`—包装箱的标签
米-by-1分类数组B-By-1个单元阵列

边框的标签，返回为米-by-1分类数组或B1单元阵列。米是图像中标签的数量，和B是数量米- 1个分类阵列当输入包含图像数组时。您定义用于在培训输入时标记对象的类名探测器．

`检测结果`——检测结果
3列表

检测结果，返回为具有变量名称的3列表，盒子，得分,标签．这盒子列米-By-4矩阵米用于图像中的对象的边界框。每行包含一个边界框，为格式的4元素矢量[x，y，宽度，高度]。该格式指定相应图像中边界框的左上角位置和大小。

另请参阅

介绍了R2017a

探测

语法

描述

例子

使用更快的R-CNN检测车辆

输入参数

`探测器`- - - - - -快速R-CNN对象检测器
`fastrcnnobjectdetector.`对象

`我`- - - - - -输入图像
H-经过-W-经过-C-经过-B图像数字数组

`ds`- - - - - -数据存储
`数据存储`对象

`ROI.`- - - - - -感兴趣搜索区域
［xy宽度高度矢量

名称-值对的观点

`'临界点'`- - - - - -检测阈值
`0.5`（默认）|[0,1]范围内的标量

`“NumStrongestRegions”`- - - - - -最强区域提案的最大数量
`2000`（默认）|正整数|`INF.`

`“SelectStrongest”`- - - - - -选择最强大的边界框
`真正的`（默认）|`假`

`'迷你'`- - - - - -最小区域大小
［高度宽度矢量

`'maxsize'`- - - - - -最大区域大小
`大小`（`我`）（默认）|［高度宽度矢量

`'minibatchsize'`- - - - - -最小批量大小
`128.`（默认）|标量子

`“ExecutionEnvironment”`- - - - - -硬件资源
`“汽车”`（默认）|`'GPU'`|`'中央处理器'`

输出参数

`bboxes`- 检测到物体的位置
米4矩阵|B-By-1个单元阵列

`分数`- 检测分数
米1矢量|B-By-1个单元阵列

`标签`—包装箱的标签
米-by-1分类数组B-By-1个单元阵列

`检测结果`——检测结果
3列表

另请参阅

应用

功能

对象

主题

计算机视觉工具箱文档

金宝app

与Matlab引入深度学习

探测

语法

描述

例子

使用更快的R-CNN检测车辆

输入参数

探测器- - - - - -快速R-CNN对象检测器fastrcnnobjectdetector.对象

我- - - - - -输入图像H-经过-W-经过-C-经过-B图像数字数组

ds- - - - - -数据存储数据存储对象

ROI.- - - - - -感兴趣搜索区域［xy宽度高度矢量

名称-值对的观点

'临界点'- - - - - -检测阈值0.5（默认）|[0,1]范围内的标量

“NumStrongestRegions”- - - - - -最强区域提案的最大数量2000（默认）|正整数|INF.

“SelectStrongest”- - - - - -选择最强大的边界框真正的（默认）|假

'迷你'- - - - - -最小区域大小［高度宽度矢量

'maxsize'- - - - - -最大区域大小大小（我）（默认）|［高度宽度矢量

'minibatchsize'- - - - - -最小批量大小128.（默认）|标量子

“ExecutionEnvironment”- - - - - -硬件资源“汽车”（默认）|'GPU'|'中央处理器'

输出参数

bboxes- 检测到物体的位置米4矩阵|B-By-1个单元阵列

分数- 检测分数米1矢量|B-By-1个单元阵列

标签—包装箱的标签米-by-1分类数组B-By-1个单元阵列

检测结果——检测结果3列表

另请参阅

应用

功能

对象

主题

计算机视觉工具箱文档

金宝app

与Matlab引入深度学习

`探测器`- - - - - -快速R-CNN对象检测器
`fastrcnnobjectdetector.`对象

`我`- - - - - -输入图像
H-经过-W-经过-C-经过-B图像数字数组

`ds`- - - - - -数据存储
`数据存储`对象

`ROI.`- - - - - -感兴趣搜索区域
［xy宽度高度矢量

`'临界点'`- - - - - -检测阈值
`0.5`（默认）|[0,1]范围内的标量

`“NumStrongestRegions”`- - - - - -最强区域提案的最大数量
`2000`（默认）|正整数|`INF.`

`“SelectStrongest”`- - - - - -选择最强大的边界框
`真正的`（默认）|`假`

`'迷你'`- - - - - -最小区域大小
［高度宽度矢量

`'maxsize'`- - - - - -最大区域大小
`大小`（`我`）（默认）|［高度宽度矢量

`'minibatchsize'`- - - - - -最小批量大小
`128.`（默认）|标量子

`“ExecutionEnvironment”`- - - - - -硬件资源
`“汽车”`（默认）|`'GPU'`|`'中央处理器'`

`bboxes`- 检测到物体的位置
米4矩阵|B-By-1个单元阵列

`分数`- 检测分数
米1矢量|B-By-1个单元阵列

`标签`—包装箱的标签
米-by-1分类数组B-By-1个单元阵列

`检测结果`——检测结果
3列表