このページの翻訳は最新ではありません。ここをクリックして,英語の最新版を参照してください。
R-CNN深層学習オブジェクト検出器の学習
与卷积神经网络はR-CNN(地区)ベースのオブジェクト検出器を学習させます。この関数は,深層学習を使用して,検出器に複数のオブジェクトクラスの検出を学習させます。探测器
= trainRCNNObjectDetector (trainingData
,网络
,选项
)
このR-CNNの実装では,各オブジェクトクラスのSVM分類器の学習は実行されません。
この関数には,深度学习工具箱™と统计和机器学习工具箱™が必要です。CUDA®対応英伟达®GPUで使用する并行计算工具箱™も推奨されます。サポートされる计算能力の詳細については,リリース別のGPUサポート(并行计算工具箱)を参照してください。
は,オプションで,カスタム領域提案関数を使用してR-CNN検出器を学習させます。探测器
= trainRCNNObjectDetector (___”,RegionProposalFcn
”,proposalFcn)
このR-CNNの実装では,各オブジェクトクラスのSVM分類器の学習は実行されません。
学習のデータの前処理を高速化するために,trainRCNNObjectDetector
は並列基本設定の設定値に基づいて並列プールを自動的に作成し,使用します。これには,并行计算工具箱が必要です。
VGG-16、VGG-19 resnet - 101,およびInception-ResNet-v2は大きなモデルです。大きなモデルで学習すると,“メモリ不足”エラーが発生する可能性があります。このようなエラーを軽減するには,trainRCNNObjectDetector
を呼び出す前に境界ボックスのグラウンドトゥルースデータと共にイメージのサイズを手動で変更します。
この関数は,転移学習をサポートします。ネットワークを“resnet50”
などの名前で入力する場合,ネットワークは,事前学習済みのresnet50
(深度学习工具箱)モデルベースの有効なR-CNNネットワークモデルに自動的に変換されます。または,事前学習済みのDAGネットワークから抽出したLayerGraph
(深度学习工具箱)を使用して手動でカスタムR-CNNネットワークを指定します。R-CNNオブジェクト検出ネットワークの作成を参照してください。
詳細印刷を有効または無効にするには,関数trainingOptions
(深度学习工具箱)を使用します。
R.格希克、J.多纳休、T.达雷尔和J.马利克。精确目标检测和语义分割的丰富特征层次计算机工程与应用学报,2014,34(5):548 - 548。
[2] Girshick, R.“Fast R-CNN”。计算机工程与应用,2015,35(4):441 - 446。
兹特尼克,C.劳伦斯和P. Dollar。"边缘框:从边缘定位对象"计算机视觉- eccv,施普林格,2014,pp. 391-405。
trainingOptions
(深度学习工具箱)|trainFastRCNNObjectDetector
|trainFasterRCNNObjectDetector
|trainYOLOv2ObjectDetector
|objectDetectorTrainingData
|resnet50
(深度学习工具箱)SeriesNetwork
(深度学习工具箱)|层
(深度学习工具箱)|rcnnObjectDetector
|imageCategoryClassifier