ssdObjectDetector

使用SSD深度学习检测器检测对象

描述

的ssdObjectDetector检测对象从一个图像,使用单一探测器探测器(SSD)对象。检测对象在一个图像,通过训练检测器检测函数。

创建一个ssdObjectDetector探测器通过调用对象trainSSDObjectDetector函数与训练数据(需要深度学习工具箱™)。

探测器= trainSSDObjectDetector (trainingData…)

检测对象在一个图像,通过探测器到检测函数。

这个属性是只读的。

分类模型的名称,指定为一个特征向量或字符串标量。默认情况下,这个名字将第二列的标题trainingData表中指定的trainSSDObjectDetector函数。您可以修改这个名字在创建你的ssdObjectDetector对象。

这个属性是只读的。

训练有素的SSD multibox对象检测网络,作为一个指定DAGNetwork(深度学习工具箱)对象。这个对象存储层定义了SSD卷积神经网络中使用探测器。

这个属性是只读的。

锚盒子大小,指定为一个P1细胞数组P数量的特征提取层用于目标检测的SSD网络。数组的每个元素包含一个米2锚盒子大小的矩阵,在格式(高度宽度]。每个单元可以包含不同的锚箱的数量。这个值设置在训练。

这个属性是只读的。

对象类的名称,SSD检测器训练,指定为一个单元阵列。这个属性设置的trainingData输入参数为trainSSDObjectDetector函数。

`检测`	使用SSD multibox对象检测器检测对象

打开生活的脚本

加载pretrained单发射击检测器(SSD)对象来检测图像中的车辆。探测器是训练图像的汽车在公路上的场景。

vehicleDetector =负载(“ssdVehicleDetector.mat”,“探测器”);探测器= vehicleDetector.detector;

读一个测试图像到工作区中。

我= imread (“highway.png”);

显示测试图像。

imshow(我);

图包含一个坐标轴对象。坐标轴对象包含一个类型的对象的形象。

运行pretrained SSD对象探测器使用检测函数。输出包含边界框、分数和车辆图像中检测到的标签。来自的标签一会财产的探测器。

[bboxes、分数、标签]=检测(探测器,我)

bboxes =2×4139 78 96 81 99 67 165 146

成绩=2 x1单一列向量0.8349 - 0.6302

标签=2 x1分类车车

注释的图像检测的结果。

如果~ isempty (bboxes) detectedI = insertObjectAnnotation(我,“矩形”、bboxes cellstr(标签);其他的detectedI = insertText(10[10],我“不检测”);结束图imshow (detectedI)

图包含一个坐标轴对象。坐标轴对象包含一个类型的对象的形象。

使用笔记和限制:

只有检测的方法ssdObjectDetector支持代金宝app码生成。
的roi参数检测方法一定是codegen常数(coder.const ())和1 x4向量。
只有阈值,SelectStrongest,MinSize,最大尺寸,MiniBatchSize支持名称-值对。金宝app所有必须编译时常量名称-值对。
输入图像的通道和批量大小必须固定大小。
的标签输出作为分类数组返回。
在生成的代码中,输入新网络的输入层的大小。但的边界框检测方法返回引用原始输入的大小。