使用YOLO v2生成目标检测代码

此示例使用：

打开实时脚本

此示例显示如何为you-only look once（YOLO）v2对象检测器生成CUDA®MEX。YOLO v2目标检测网络由两个子网络组成。特征提取网络后接检测网络。此示例为在中培训的网络生成代码基于YOLO v2深度学习的目标检测来自计算机视觉工具箱的示例™. 有关详细信息，请参阅基于YOLO v2深度学习的目标检测（计算机视觉工具箱）。您可以修改此示例，为导入到中的网络生成CUDA®MEX导入预训练ONNX YLO v2物体检测器来自计算机视觉工具箱的示例™. 有关详细信息，请参阅导入预训练ONNX YLO v2物体检测器（计算机视觉工具箱）.

第三方先决条件

要求的

此示例生成CUDA MEX，并具有以下第三方要求。

支持CUDA®的NVIDIA®GPU和兼容驱动程序。

可选择的

对于非MEX构建，如静态、动态库或可执行文件，此示例具有以下附加要求。

NVIDIA工具包。
NVIDIA cuDNN图书馆。
编译器和库的环境变量。有关更多信息，请参阅第三方硬件和设置必备产品s manbetx 845.

验证GPU环境

使用coder.checkGpuInstall函数来验证运行此示例所需的编译器和库是否已正确设置。

envCfg=coder.gpuEnvConfig(“主持人”)；envCfg.DeepLibTarget=“cudnn”；envCfg.DeepCodegen=1；envCfg.Quiet=1；coder.checkGpuInstall（envCfg）；

提前训练

此示例使用Yolov2Resnet50车辆示例包含预训练网络的MAT文件。该文件大小约为98MB。请从MathWorks网站下载该文件。

matFile=matlab.internal.examples.downloadSu万博1manbetxpportFile(“愿景/数据”,“Yolov2Resnet50车辆示例垫”)；vehicleDetector=load（matFile）；net=vehicleDetector.detector.Network

net=DAG网络，属性：层：[150×1 nnet.cnn.layer.layer]连接：[162×2表]输入名称：{'input_1'}输出名称：{'yolov2OutputLayer'}

DAG网络包含150层，包括卷积、ReLU和批处理规范化层以及YLO v2转换和YLO v2输出层。要显示深度学习网络架构的交互式可视化，请使用分析网络（深度学习工具箱）作用

分析网络；

这个`yolov2_检测`入口点函数

这个yolov2_detect.m入口点功能接收图像输入，并使用存储在中的深度学习网络在图像上运行检测器Yolov2Resnet50车辆示例.mat函数从Yolov2Resnet50车辆示例.mat文件转换为持久变量yolov2Obj并在后续检测调用中重用持久对象。

类型(“yolov2_detect.m”)

函数outImg=yolov2_detect（in，matFile）%版权所有2018-2021 MathWorks，Inc.持久性yolov2Obj；如果isempty（yolov2Obj）yolov2Obj=coder.loadDeepLearningNetwork（matFile）；结束对检测方法[bboxes，~，labels]=yolov2Obj.detect的%调用（in，'Threshold'，0.5）；%将分类标签转换为字符向量标签的单元格数组=cellstr（标签）；%注释图像中的检测。outImg=插入对象注释（在“矩形”、“bboxes”和标签中）；

运行MEX代码生成

若要生成入口点函数的CUDA代码，请为MeX目标创建GPU代码配置对象，并将目标语言设置为C++。coder.DeepLearningConfig函数创建一个CuDNN深度学习配置对象并将其分配给深度学习配置GPU代码配置对象的属性。运行编码基因指定输入大小224-x-224-x-3的命令。此值对应于输入层大小YOLOv2。

cfg=coder.gpuConfig(“墨西哥”); cfg.TargetLang=“C++”；cfg.DeepLearningConfig=coder.DeepLearningConfig(“cudnn”); cfg.GenerateReport=true；inputArgs={one（224224,3，‘uint8’)，coder.Constant（matFile）}；编码基因-配置cfgyolov2_检测-args输入rgs

代码生成成功：查看报告

运行生成的MEX

设置视频文件读取器并读取输入视频。创建视频播放器以显示视频和输出检测。

视频文件=“highway_lanechange.mp4”; videoFreader=vision.VideoFileReader（videoFile，“VideoOutputDataType”,‘uint8’); depVideoPlayer=vision.DeployableVideoPlayer(“尺寸”,“习俗”,“定制尺寸”,[640 480]);

逐帧读取视频输入，并使用检测器检测视频中的车辆。

cont=~isDone（视频阅读器）；虽然conti=step（videoFreader）；in=imresize（I[224224]）；out=yolov2_detect_mex（in，matFile）；step（depVideoPlayer，out）；%如果视频播放器图形窗口关闭，则退出循环cont=~isDone（videoFreader）和&isOpen（depVideoPlayer）；终止