目标检测是计算机视觉技术定位的实例对象在图像或视频。对象检测技术训练预测模型或使用模板匹配来定位和分类对象。
目标检测是一个关键的技术应用,比如视频监控,图像检索系统,和高级驾驶员辅助系统(ADAS)。
有各种各样的检测技术,可以用来执行对象。技术一般分为三大类:使用深度学习对象检测,使用机器学习对象检测,和对象使用经典计算机视觉技术检测。
流行的基于深度学习方法,比如R-CNN或YOLO v2,意思使用卷积神经网络(cnn)学习必要的检测对象的特性。
基于机器学习的方法使用特征提取之前训练一个分类器来识别对象。受欢迎的方法包括聚合通道特性(ACF)和Viola-Jones算法。
最后,传统的计算机视觉方法可能就足够了,这取决于应用程序。一些例子包括模板匹配技术,图像分割和blob分析、特征提取和匹配。
用MATLAB,你可以尝试各种各样的这些方法只有几行代码,看看最适合您的数据。您可以利用MATLAB提供的许多pretrained探测器之一或者你可以创建一个自定义检测器专门为您的应用程序。
我们有其他的视频对象检测经典计算机视觉和机器学习,所以在这个视频中,我将更加关注深度学习。
使用深度学习对象检测的第一步是标签的样本类型的对象你想认识。培训一个预测模型对象检测通常需要成千上万,甚至上百万的标签样本。
交互式应用程序可以帮助您自动化图像或视频中对象的标签。这可以帮助你更多的精力关注发展对象检测算法而不是准备训练数据。
与MATLAB,还可以互操作其他机器学习和深度学习框架之间发展对象探测器。
如果你已经有一个网络以外的MATLAB实现,您可以使用ONNX导入导入功能。相反,如果你在MATLAB中创建一个网络,但想在其他地方使用它,您可以使用ONNX导出导入。
一旦你有一个关系网的话,MATLAB,你可以用GPU加速的训练过程年代或计算集群通过更改一个名称-值对。如果您使用的是pretrained网络,您可以使用转移学习来调整模型为您的应用程序。这可以帮助进一步减少训练时间,提高网络的性能。
开始,您可以使用一个示例文档的引用。请了解更多关于对象检测与MATLAB探索在线文档页面。
