从系列:深度学习与MATLAB
乔•Hicklin MathWorks
看着快速演示如何使用MATLAB®、一个简单的摄像头和一个深层神经网络识别对象在你的周围。这个演示使用AlexNet,pretrained深卷积神经网络(CNN或事先)已经在超过一百万个训练图像。
这个例子有两个部分:设置相机和执行对象识别。第一部分展示了如何使用网络摄像头
命令从摄像机获取图像。使用drawnow
MATLAB命令,可以不断更新和显示由摄像机拍摄的图像。
第二部分说明了如何下载一个叫做AlexNet pretrained深层神经网络,并使用MATLAB不断处理摄像机图像。AlexNet将图像作为输入,并为图像中的对象提供一个标签。你可以实验对象在你的周围,看看准确AlexNet。
今天你可以很轻易与MATLAB,但即使是几年前就会被认为是科幻小说。
了解更多关于深度学习与MATLAB或下载演示代码。
记录:2016年12月6日
嗨。我的名字是乔Hicklin。我是MathWorks资深开发人员。我一直尝试深度学习与MATLAB神经网络工具箱。我写了一个简单的小程序,很酷的东西。现在我想向你们展示。
我所做的我已经是一个摄像头,并将它连接到一个图像识别的神经网络。现在我可以点摄像头在不同对象和承认它。一个开瓶器,或者一把螺丝刀,或者一把左轮手枪,一个口琴,一个茶壶,一把铁锹,之类的。它并不完美,但它确实一个很好的工作。
让我们看看它的代码。这是整个程序,对吧?它只是11行。我们要通过它。但是我们要做三个不同的阶段。
我们要明确的工作区。我们要问相机连接摄像头,有相机和拍照,最后,在屏幕上显示图像。当我们运行这个我们应该得到一个新的图片。这是我们把这张照片。
但这仍然是一个形象。我们希望这是一个连续的视频。所以我们要多加三线把它在一个循环中。
我们将放一个while循环的代码的照片。我们将添加drawnow MATLAB立即吸引了。当我运行这个的时候,我们会得到同样的事情。但是现在,这是一个视频直播。
最后,我们需要添加的神经网络。我使用一个网络称为AlexNet。AlexNet是一个又大又深的卷积神经网络。他们训练该网络超过一百万的图像。它可以识别大约1000个不同的对象。
我已经下载它。现在我们准备使用它。这条线是要问网络分类图片了。每个图片我们会通过网络,它将返回一个标签的照片。
在我们这么做之前,我们必须调整图片大小,AlexNet预计。培训在一个特定的图像的大小。最后,我将用在我的照片的标题标签。,我得把它转换成一个字符串使用这个命令。
我们都准备好了。这些都是行。让我们再次运行它。我们再次运行。
我可以认识一个键盘,或空格键。认识我的鼠标,或者抹刀。我们走。
我希望这个程序的简单鼓励你尝试深入学习。自然的下一步将尝试转移学习。转移学习就是你网络AlexNet和再教育最后几层自己特定的图像。这将导致网络甚至比AlexNet为您的特定图像。如果你有兴趣学习更多关于如何应用深度学习问题,查看描述中的链接。
你也可以从下面的列表中选择一个网站:
选择中国网站(中文或英文)最佳站点的性能。其他MathWorks国家网站不优化的访问你的位置。