对象检测是一种计算机视觉技术,用于在图像或视频中定位对象的实例。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。在查看图像或视频时,人类可以在瞬间识别和找到兴趣的对象。对象检测的目标是使用计算机复制此智能。对象检测的最佳方法取决于您的应用程序以及您尝试解决的问题。
深度学习技术需要大量的标记训练图像,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 v2,或使用单镜头检测(SSD)。您可以训练自定义的对象检测器,或利用预先训练的对象检测器转移学习,一种使您能够以备用网络开始的方法,然后为您的应用程序进行微调。卷积神经网络需要深度学习工具箱™。CUDA支持培训和预测万博1manbetx®-Apable GPU。建议使用GPU并需要并行计算工具箱™。有关更多信息,请参阅计算机视觉工具箱首选项和MathWorks产品中的并行计算支持万博1manbetxs manbetx 845(并行计算工具箱)。
对象检测的机器学习技术包括使用面向梯度(HOG)特征的直方图的聚合信道特征(ACF),支持向量机(SVM)分类,以及用于人脸或上体检测的VITEA-JONER-JONES算法。万博1manbetx您可以选择从佩带的对象检测器开始或创建自定义对象检测器以适合您的应用程序。
对象检测使用深学习神经网络。
为几种类型的特性选择返回和接受点对象的函数
指定像素索引,空间坐标和3-D坐标系
了解本地特征检测和提取的好处和应用
使用计算机视觉工具箱™功能,通过创建一个视觉词汇袋来进行图像类别分类。
训练定制分类器
比较可视化功能。
交互式标记标记对象检测的矩形ROI,语义分割的像素,例如图像分割的多边形和图像分类的场景。
以交互式标记标记矩形ROI,用于对象检测,语义分割的像素,例如视频或图像序列中图像分类的场景。
深入学习的数据购物(深度学习工具箱)
学习如何在深度学习应用程序中使用数据存储。
使用掩模R-CNN和Deep Learning执行多种组件实例分段。
使用使用的对象检测或语义分割来创建培训数据图像贴标器或视频贴图。
深网络设计师(深度学习工具箱)
深度学习层列表(深度学习工具箱)
发现Matlab中的所有深度学习层®。
在Matlab中深入学习(深度学习工具箱)
在Matlab中发现使用卷积神经网络进行分类和回归的深度学习能力,包括佩戴网络和转移学习,以及GPU,CPU,集群和云的培训。
预先训练的深度神经网络(深度学习工具箱)
了解如何下载和使用佩带的卷积神经网络进行分类,转移学习和特征提取。