深度学习

教程中帕索帕索尤其inspeccion视觉

Ejecute联合国并减少找工作de inspeccion视觉frecuente e identifique defectos从del contenido de una画像。

要跟随:

  1. 下载代码
  2. 打开MATLAB

没有访问?

de Obtenga una版本功能gratuita
时间来完成:
15 - 30分钟
水平:
初级/中级

需要复习吗?试着自由,互动教程。

步骤1

加载和数据预处理

您可以使用大型数据集与深度学习,所以适当的数据管理是非常重要的;然而,本例中的数据集是小出于演示目的。

加载和数据预处理
  • 导入数据。
加载和数据预处理
  • 数据标签是好还是坏。使用深度学习帮助differeniate之间的两类。
加载和数据预处理
  • 的imageDatastore函数自动标签图像基于文件夹的名字。
    加载和数据预处理
    • 训练模型,将数据分为两类:“培训”训练模型和“测试数据”来测试新数据模型是如何工作的(步骤4拨出,测试模型和可视化的结果)。
    加载和数据预处理
    • 添加更多的图像通过增加图像。代码在这个例子中,使用反射沿着x轴和y轴,旋转180度图像。
    加载和数据预处理
    • 点击运行部分运行代码。

    步骤2

    导入模型

    您可以导入和修改网络与您的测试数据。

    导入模型
    • 导入模型通过调用网络的名字在你的桌面。如果你没有网络已经安装,点击出现的链接和下载网络。
    导入模型
    • 准备您的模型代替最后几层新层特定于您的数据。例如,最后完全连接层替换为一个有两个作为两类数据的输出尺寸你想进行分类。另外,您可以使用一个应用程序使用拖放方法做这一步。
      导入模型
      导入模型
      • 点击运行部分运行代码。

      步骤3

      火车模型

      您可以使用数据和修改网络训练classifer新形象。有各种各样的培训选项可供选择。在这个步骤中使用的示例是一个简单的培训配置,包括优化器,数量的时代,最初的学习速度,和阴谋。训练一个模型可以花费很多时间根据您的GPU和CPU资源。

      火车模型
      火车模型
      • 如果你想训练模式,取消注释的代码行并单击运行部分。
      • 如果你不想训练模型,你可以跳过这一步,加载一个pretrained网络在步骤4,测试模型和可视化的结果。

      步骤4

      测试模型和可视化的结果

      在最后的步骤中,您要加载模型并使用测试数据模型的准确性。

      测试模型和可视化的结果
      • 分类测试数据(从步骤1,负载和预处理数据),使用分类函数一行代码中的所有图片进行分类。
      测试模型和可视化的结果
      • 查看和对比结果和真实值应该是什么。正确答案的准确性是一个计算和测试样品的总数。
      测试模型和可视化的结果
      • 阅读和个人形象和可视化结果进行分类。如果模型检测到缺陷,使用像GradCAM可辩解的人工智能技术,可视化图像中缺陷的位置。
      测试模型和可视化的结果

      关键要记住:

      • 使用一个灵活的模型中使用新数据或环境,而不仅仅是学会了在训练数据。
      • 您可以使用可视化技术来帮助你了解什么是网络看到并添加调试发现网络工作方式的原因。

      你也可以跟随下面的视频:

      Duracion del 5:18要视频。
      Johanna Pingel

      与约翰娜,MathWorks深度学习专家

      电子邮件Johanna