主要内容
fastrcnnobjectDetector
使用快速R-CNN深度学习检测器检测对象
描述
这fastrcnnobjectDetector对象使用快速的R-CNN（带有卷积神经网络的区域）对象检测对象。要检测图像中的对象，请将受过训练的检测器传递到探测功能。要对图像区域进行分类，请将检测器传递到分类区功能。
使用时探测或者分类区功能fastrcnnobjectDetector，使用cuda®启用了nvidia®强烈建议使用GPU。GPU大大减少了计算时间。使用GPU需要并行计算工具箱™。有关支持的计算功能的信息，请参见万博1manbetx释放的G万博1manbetxPU支持（并行计算工具箱）。
创建
创建一个fastrcnnobjectDetector对象通过调用trainfastrcnnobjectdetector培训数据的功能（需要深度学习工具箱™）。
检测器= trainfastrcnnobjectdetector（triendingdata，...）
特性
例子
使用更快的R-CNN检测车辆
通过使用更快的R-CNN对象检测器来检测图像中的车辆。
加载更快的R-CNN对象探测器预测以检测车辆。
数据=负载（'fasterrcnnvehicletrainingdata.mat'，，，，'探测器'）；检测器= data.detector;
阅读测试图像。
i = imread（'Highway.png'）；imshow（i）
在图像上运行检测器并检查结果。标签来自classNames检测器的属性。
[bboxes，分数，标签] =检测（检测器，i）
bboxes =2×4150 86 80 72 91 89 67 48
得分=2x1单列矢量1.0000 0.9001
标签=2x1分类车辆
检测器对检测具有很高的信心。用边界框以检测和相应的检测分数注释图像。
dentedi = insertObjectAnnotation（i，'长方形'，bboxes，celltr（标签））;图IMShow（检测到）
也可以看看
应用
功能
trainfastrcnnobjectdetector|trainfasterrcnnobjectdetector|TrainAcfobjectDetector|火车网（深度学习工具箱）|selectstrongestbboxmultlass
对象
系列网络（深度学习工具箱）|BoxLabeldatastore
话题
- R-CNN，快速R-CNN和更快的R-CNN入门
- 深度学习的数据存储（深度学习工具箱）
在R2017A中引入
