ssdObjectDetector
使用SSD深度学习检测器检测对象
描述
的ssdObjectDetector使用单镜头检测器(SSD)对象检测器从图像中检测对象。要检测图像中的对象，将训练好的检测器传递给检测函数。您还可以使用经过训练的检测器进行多类对象检测。有关SSD深度学习网络的信息，请参见开始使用SSD多盒检测．
创建
语法
描述
探测器= ssdObjectDetector (网，类，aboxes）网．
如果网是一个预训练的SSD深度学习网络，该函数创建一个预训练的SSD对象检测器。的类和aboxes是用于训练网络的值。
如果网是一个未经训练的SSD深度学习网络，该函数创建一个SSD对象检测器用于训练和推理。类和aboxes分别指定用于训练SSD网络的对象类和锚框。
使用trainSSDObjectDetector函数用于在执行目标检测之前对网络进行训练。
探测器= ssdObjectDetector (baseNet，类，aboxes“DetectionNetworkSource”,层）baseNet．
该函数将检测头添加到指定的特征提取层层在基础网络中。要指定特征提取层的名称，请使用name-value参数“DetectionNetworkSource”，层．
如果baseNet是一个预训练的深度学习网络，该函数创建一个SSD对象检测器，并将其配置为使用指定的对象类和锚框执行迁移学习。
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对象检测器并将其配置为对象检测。类和aboxes分别指定用于训练SSD网络的对象类和锚框。
在执行对象检测之前，必须在训练数据集上训练检测器。使用trainSSDObjectDetector训练检测器的功能。
输入参数
属性
对象的功能
检测 |
使用SSD多盒对象检测器检测对象 |
例子
创建自定义SSD对象检测器
本示例演示如何使用预训练的ResNet -50卷积神经网络作为基础网络创建SSD对象检测网络。
加载一个预训练的深度学习网络作为基础网络。本例使用ResNet-50预训练网络作为基础网络。有关其他可用的预训练网络的信息，请参见预训练深度神经网络(深度学习工具箱)(深度学习工具箱)。
baseet = resnet50;
使用analyzeNetwork显示基本网络的架构。
analyzeNetwork (basenet)
指定类名和锚框，用于训练使用创建的SSD深度学习网络resnet50作为基础网络。
classNames = [“人”“汽车”“狗”];anchorBoxes = {[30 60;60 30;50 50;100 100]，…[40 70;70 40;60 60;120 120]，…[50 80;80 60;70 70;140 140]};
指定基本网络中用作检测头的特征提取层的名称。
featureextracactionlayers = [“activation_11_relu”“activation_22_relu”“activation_40_relu”];
使用指定的基网络和检测头创建SSD对象检测器。
basenet = layerGraph(basenet);detector = ssdObjectDetector(basenet,classNames,anchorBoxes,DetectionNetworkSource= featureextracactionlayers);
显示和检查SSD对象检测器的属性。
disp(探测器)
ssdObjectDetector with properties: Network: [1x1 DAGNetwork] AnchorBoxes: {3x1 cell} ClassNames: [3x1 string] InputSize: [224 224 3] ModelName: "
使用analyzeNetwork命令，显示SSD的网络结构，获取网络层信息。
analyzeNetwork (detector.Network)
使用SSD对象检测器检测车辆
加载一个预训练的单镜头检测器(SSD)对象来检测图像中的车辆。探测器是用高速公路上的汽车图像进行训练的。
vehicle检测器= load()“ssdVehicleDetector.mat”，“探测器”);探测器= vehicleDetector.detector;
将测试映像读入工作区。
I = imread()“highway.png”);
显示测试图像。
imshow(我);
运行预训练的SSD对象检测器检测函数。输出包含在图像中检测到的车辆的边界框、分数和标签。标签派生自一会探测器的性质。
[盒子，分数，标签]=检测(检测器，I)
bboxes =2×4139 78 96 81 99 67 165 146
成绩=2x1单列向量0.8349 - 0.6302
标签=2 x1分类车车
用检测结果对图像进行注释。
如果~isempty(bboxes) detectedI = insertobjectnotation (I，“矩形”、bboxes cellstr(标签);其他的detectedI = insertttext (I，[10 10]，“不检测”);结束图imshow (detectedI)
