对象检测
使用卷积神经网络(CNNs,或ConvNets)执行分类,目标检测,转移学习,创建定制的探测器
物体检测是一种计算机视觉技术,用于定位图像或视频中的物体实例。对象检测算法通常利用机器学习或深度学习产生有意义的结果。在观看图像或视频时,人类可以在瞬间识别并定位感兴趣的物体。物体检测的目标是用计算机复制这种智能。对象检测的最佳方法取决于您的应用程序和您试图解决的问题。
深度学习技术需要大量标记的训练图像,因此建议使用GPU来减少训练模型所需的时间。基于深度学习的目标检测方法使用卷积神经网络(cnn或ConvNets),如R-CNN和YOLO,或使用单次检测(SSD)。您可以训练一个自定义的对象检测器,或者使用一个预先训练的对象检测器转移学习,这种方法使您能够从预先训练的网络开始,然后针对您的应用程序对其进行微调。卷积神经网络需要深度学习工具箱™。CUDA支持训练和预测®有能力的GPU。推荐使用GPU,并需要并行计算工具箱™。有关更多信息,请参见计算机视觉工具箱首选项而且MathWorks产品中的并行计算支持2022世界杯八强谁会赢?(并行计算工具箱).
用于物体检测的机器学习技术包括聚合通道特征(ACF),使用定向梯度直方图(HOG)特征的支持向量机(SVM)分类,以及人脸或上半身检测的Viola-Jones算法。您可以选择从一个预先训练的对象检测器开始,或者创建一个自定义的对象检测器以适应您的应用程序。
功能
块
深度学习对象检测器 | 使用训练过的深度学习对象检测器检测对象 |
主题
开始
- 开始使用深度学习进行对象检测
利用深度学习神经网络进行目标检测。 - 点特征类型
为几种类型的特征选择返回和接受点对象的函数。 - 坐标系统
指定像素索引、空间坐标和3-D坐标系 - 局部特征检测与提取
学习局部特征检测和提取的好处和应用。 - 用视觉词袋进行图像分类
使用计算机视觉工具箱™功能,通过创建一个视觉单词包来进行图像类别分类。 - 开始使用级联对象检测器
训练自定义分类器 - 选择函数来可视化检测到的对象
比较可视化功能。
面向对象检测和语义分割的训练数据
- 开始使用图像标签
交互式标记矩形roi用于对象检测,像素用于语义分割,多边形用于实例分割,场景用于图像分类。 - 开始使用视频标签
交互式标记矩形roi用于对象检测,像素用于语义分割,多边形用于实例分割,场景用于视频或图像序列中的图像分类。 - 用于深度学习的数据存储(深度学习工具箱)
了解如何在深度学习应用程序中使用数据存储。 - 开始使用掩码R-CNN实例分割
使用Mask R-CNN和深度学习进行多类实例分割。 - 面向对象检测和语义分割的训练数据
创建用于对象检测或语义分割的训练数据图片标志或贴标签机视频.
开始学习深度学习
- 深度网络设计器(深度学习工具箱)
- 深度学习层列表(深度学习工具箱)
在MATLAB中发现所有的深度学习层®. - MATLAB中的深度学习(深度学习工具箱)
在MATLAB中使用卷积神经网络进行分类和回归,包括预先训练的网络和转移学习,以及在gpu、cpu、集群和云上的训练,发现深度学习能力。 - 预训练深度神经网络(深度学习工具箱)
学习如何下载和使用预先训练的卷积神经网络进行分类,转移学习和特征提取。