开始使用YOLO v2的意思
you-only-look-once (YOLO)意思v2对象探测器使用一个单级对象检测网络。YOLO v2意思是比其他两级深度学习对象探测器,如地区卷积神经网络(R-CNNs更快)。
YOLO v2意思模型运行深度学习CNN网络上一个输入图像产生预测。对象探测器解码预测并生成边界框。
预测对象在图像
YOLO v2意思使用锚箱检测类的对象在一个图像。更多细节,请参阅锚箱对象检测,YOLO v2意思预测这三个属性为每个锚箱:
十字路口在联盟(借据)——预测每个锚箱的客体性得分。
锚箱补偿——完善锚箱的位置
类概率,预测类标签分配给每个锚盒子。
该图显示了预定义的锚箱(虚线)在每个位置的特性应用地图和精制后位置偏移。颜色匹配的盒子和一个类。
转移学习
迁移学习,您可以使用一个pretrained CNN的特征提取器YOLO v2意思检测网络。使用yolov2Layers
函数创建一个YOLO v2检测网络从任何pretrained CNN,意思为例MobileNet v2
。的pretrained cnn,明白了Pretrained深层神经网络(深度学习工具箱)
你也可以设计一个自定义模型基于pretrained图像分类CNN。更多细节,请参阅设计一个YOLO v2意思检测网络。
设计一个YOLO v2意思检测网络
你可以设计一个自定义YOLO v2模型一层一层地意思。器网络模型从一个功能,可以初始化从pretrained CNN或从头开始训练。包含一系列的检测子网Conv
,批处理规范
,线性整流函数(Rectified Linear Unit)
层,其次是转换和输出层,yolov2TransformLayer
和yolov2OutputLayer
对象,分别。yolov2TransformLayer
将原始CNN输出转换成所需的对象探测一种形式。yolov2OutputLayer
定义锚箱参数并实现了损失函数用于训练检测器。
您还可以使用深层网络设计师(深度学习工具箱)手动创建一个网络应用程序。设计师融合了计算机视觉工具箱™YOLO v2意思特性。
设计一个YOLO v2意思检测网络Reorg层
重组层(使用创建的spaceToDepthLayer
对象)和深度(创建使用连接层depthConcatenationLayer
(深度学习工具箱)对象)结合使用低级和高级特性。这些层提高检测通过添加低级小对象的图像信息,提高检测精度。通常,重组层附着一层在特征提取网络地图的输出特性是大于特征提取层输出。
提示
调整
“BlockSize”
财产的spaceToDepthLayer
对象,它的输出尺寸匹配输入的大小depthConcatenationLayer
(深度学习工具箱)对象。为了简化设计一个网络,使用互动深层网络设计师(深度学习工具箱)应用程序和
analyzeNetwork
(深度学习工具箱)函数。
更多细节关于如何创建这种类型的网络,看到的创建YOLO v2意思对象检测网络。
培训对象探测器,探测对象YOLO v2意思模型
学习如何培训对象探测器利用YOLO深度学习技术与CNN,意思看对象检测使用YOLO v2意思深入学习的例子。
代码生成
学习如何生成CUDA®代码使用YOLO v2意思对象探测器(使用创建的yolov2ObjectDetector
对象)看到代码生成的对象检测使用YOLO v2的意思。
标签为深度学习训练数据
您可以使用图片标志,贴标签机视频,或地面实况贴标签机(自动驾驶工具箱)应用程序交互式地标签像素和出口标签数据进行训练。应用程序也可以使用标签矩形对象检测感兴趣的区域(roi),场景图像分类标签,和像素为语义分割。创建培训数据从任何贴标签机出口的地面真值对象,您可以使用objectDetectorTrainingData
或pixelLabelTrainingData
功能。更多细节,请参阅培训对象检测数据和语义分割。
引用
[1]Redmon,约瑟夫和阿里蒂。“YOLO9000:更好,更快,更强。“在2017年IEEE计算机视觉与模式识别会议(CVPR),6517 - 25所示。火奴鲁鲁,你好:IEEE 2017。https://doi.org/10.1109/CVPR.2017.690。
[2]Redmon,约瑟夫,桑托什Divvala,罗斯Girshick,阿里蒂。“你只看一次:统一、实时检测。”《IEEE计算机视觉与模式识别会议(CVPR), 779 - 788。内华达州拉斯维加斯:CVPR, 2016。
另请参阅
应用程序
对象
yolov2TransformLayer
|yolov2OutputLayer
|spaceToDepthLayer
|yolov2ObjectDetector
|depthConcatenationLayer
(深度学习工具箱)
功能
trainYOLOv2ObjectDetector
|analyzeNetwork
(深度学习工具箱)
相关的例子
更多关于
- 锚箱对象检测
- 开始使用R-CNN、快速R-CNN和R-CNN更快
- 深度学习在MATLAB(深度学习工具箱)
- Pretrained深层神经网络(深度学习工具箱)