创建输出层YOLO v2意思对象检测网络
的yolov2OutputLayer
函数创建一个YOLOv2OutputLayer
对象,该对象表示输出层为你只看一次版本2 (YOLO v2意思)对象检测网络。输出层提供了改进目标对象的边界框的位置。
创建一个层
= yolov2OutputLayer (anchorBoxes
)YOLOv2OutputLayer
对象,层
代表输出层YOLO v2意思对象检测网络。输出层精制边界框的位置,预计使用一组预定义的锚箱指定的输入。
设置附加属性使用名称-值对,从前面的语法输入。在单引号附上每个属性的名字。例如,层
= yolov2OutputLayer (anchorBoxes
,名称,值
)yolov2OutputLayer('名称',' yolo_Out ')
创建一个输出层的名称“yolo_Out”。
为了提高预测精度,您可以:
列车网络有更多的图片。你可以通过数据增加扩大训练数据集。如何应用信息数据的增加训练数据集,明白了预处理图像深度学习(深度学习工具箱)。
执行多尺度训练使用trainYOLOv2ObjectDetector
函数。为此,指定的TrainingImageSize
的参数trainYOLOv2ObjectDetector
功能训练网络。
选择合适锚箱的数据集训练网络。您可以使用estimateAnchorBoxes
函数来计算锚箱直接从训练数据。
[1]约瑟。R, s . k . Divvala r.b Girshick, f·阿里。“你只看一次:统一、实时检测。”In《IEEE计算机视觉与模式识别会议(CVPR),779 - 788页。内华达州拉斯维加斯:CVPR, 2016。
[2]约瑟。R和f·阿里。“YOLO 9000:意思更好、更快、更强”。In《IEEE计算机视觉与模式识别会议(CVPR),6517 - 6525页。你好:火奴鲁鲁CVPR, 2017年。