分类imágenes de una网络摄像头中间深度学习

Este ejemplo utilza:

Abrir脚本

Este ejemplo muestra cómo分类imágenes de una webcam en tiempo real usando una红色神经元convolucional profunda preentrenada, GoogLeNet。

利用MATLAB®，通过网络摄像头识别红色神经元深孔对物体进行识别。Este ejemplo usa GoogLeNet, una红神经元convolucional profunda preentrenada (CNN o ConvNet) que se ha entrenado con más de un millón de imágenes y puede clasificarlas en 1000 categorías de objetos (como teclado, taza de café， lápiz y muchos animales)。Puede descargar GoogLeNet y utility MATLAB para procar continuamente las imágenes de la cámara en tiempo real。

GoogLeNet ha aprendido representaciones ricas en características para una amplia gama de imágenes。Toma la imagen como entrada y, continuación，比例，礼仪，para，客体，意象，概率，para, cada, una, las categorías，客体。Puede实验con对象de su entorno para comprobar la precisión con la que GoogLeNet分类las imágenes。Para obtener más información清醒clasificación赤色之物，最纯净之物，最纯洁之物，最纯洁之物，最纯洁之物，最纯洁之物，最纯洁之物，最纯洁之物，最纯洁之物，最纯洁之物，最纯洁之物，最纯洁之物，最纯洁之物，最纯洁之物，最纯洁之物，最纯洁之物，最纯洁之物decisión最后的清醒之物。

Cargar una cámara y una red preentrenada

Conéctese a la cámara y cargue una red GoogLeNet preentrenada。鲜红的红的，红的，红的。El ejemplo requiere El MATLAB支万博1manbetx持包USB网络摄像头和深度学习工具箱™模型为GoogLeNet网络．Si no ha安装los paquetes de soporte requeridos, el software proporciona un enlace de descarga。

摄像头=网络摄像头;Net = googlenet;

上帝保佑我，上帝保佑我，上帝保佑我清晰的相机,在哪里相机Es la conexión a la网络摄像头。De lo contrario, verá un error porque no puede crear otra conexión a la misma网络摄像头。

分类instantáneas德拉cámara

Para classification una imagen, debe cambiar su tamaño Para que coincida con el tamaño de entrada de la red。万物之初，万物之平安InputSizeDe la capa De entrada De imágenes De la red。La capa de entrada de imágenes就是La primera capa La red。

inputSize = net.Layers(1).InputSize(1:2)

inputSize = 224 224

la imagen de la cámara这是一种可能的礼仪。Debe形成层el tamaño de la imagen para que coincida con el tamaño de entrada de la red antes de llamar a分类．

图im =快照(相机);image(im) im = imresize(im,inputSize);[label,score] = category (net,im);标题({char(标签),num2str (max(分数),2)});

分类imágenes de la cámara de forma continua

Para分类imágenes de la cámara持续的形式，包括前面的问题。弹射el bucle mientras la figura está abierta。Para detener la predicción真正的时刻，一个人的时刻。使用drawnow最终的结果iteración para actualizar la figura。

H =数字;而Ishandle (h) im =快照(相机);image(im) im = imresize(im,inputSize);[label,score] = category (net,im);标题({char(标签),num2str (max(分数),2)});drawnow结束

大多数预测原则

Las类predichas pueden形成层rápidamente。祝你好运，祝你好运útil天下太平。最基本的预测原则和概率代表的等级与时间的关系predicción más升降机。

分类una instantánea de la cámara。la imagen de la cámara这是一种可能的礼仪。关于概率的直方图，关于预测的原则，中间的工资分数德拉función分类．

Cree la ventana de figura。En primer lugar, cambie el tamaño de la ventana para que tenga el doble de ancho y cree dos subgráficas。

H =数字;h.位置(3)= 2*h.位置(3);Ax1 = subplot(1,2,1);Ax2 = subplot(1,2,2);

En la subgráfica izquierda, muestre la imagen y la clasificación juntas。

Im =快照(相机);image(ax1,im) im = imresize(im,inputSize);[label,score] = category (net,im);标题(ax₁,{char(标签),num2str (max(分数),2)});

选择，预测，原则，选择，等级，和，点位，más升降机。

[~，idx] = sort(分数，“下”）;Idx = Idx (5:-1:1);classes = net.Layers(end).Classes;classNamesTop = string(类(idx));scoreTop = score(idx);

“预测原则的历史”是“直方图的模式”。

barh(ax2,scoreTop) xlim(ax2，[0 1]) title(ax2， [0 1])“五大”)包含(ax2,“概率”) yticklabels(ax2,classNamesTop)YAxisLocation =“对”；

分类imágenes大多数预测原则的形式连续性

Para classiclassia imágenes de la cámara关于连续性和大多数预测原则的形式，包括关于前方的pasos un bucle。弹射el bucle mientras la figura está abierta。Para detener la predicción真正的时刻，一个人的时刻。使用drawnow最终的结果iteración para actualizar la figura。

Cree la ventana de figura。En primer lugar, cambie el tamaño de la ventana para que tenga el doble de ancho y cree dos subgráficas。Para a evititar que los ejescambien su tamaño，建立一个美好的世界PositionConstraint在“innerposition”．

H =数字;h.位置(3)= 2*h.位置(3);Ax1 = subplot(1,2,1);Ax2 = subplot(1,2,2);ax2。PositionConstraint =“innerposition”；

分类的博物馆imágenes连续的形式，关于预测的原则。

而ishandle (h)显示和分类图像Im =快照(相机);image(ax1,im) im = imresize(im,inputSize);[label,score] = category (net,im);标题(ax₁,{char(标签),num2str (max(分数),2)});选择前五个预测[~，idx] = sort(分数，“下”）;Idx = Idx (5:-1:1);scoreTop = score(idx);classNamesTop = string(类(idx));绘制直方图barh (ax2 scoreTop)标题(ax2,“五大”)包含(ax2,“概率”) xlim(ax2，[0 1]) yticklabels(ax2,classNamesTop) ax2。YAxisLocation =“对”；drawnow结束

Consulte也

googlenet|vgg19|分类