训练R-CNN深度学习目标检测器
训练基于R-CNN(带卷积神经网络的区域)的目标检测器。该函数使用深度学习来训练检测器检测多个对象类。探测器
= trainRCNNObjectDetector (培训数据
,网络
,选择权
)
R-CNN的这种实现并不为每个目标类训练支持向量机分类器。
此功能要求您拥有深度学习工具箱™和统计学和机器学习工具箱™。建议您也有并行计算工具箱™与CUDA一起使用®-启用NVIDIA®GPU。有关支持的计算能力的信息,请参见万博1manbetxGPU支万博1manbetx持情况(并行计算工具箱).
可选地使用自定义区域建议函数训练R-CNN检测器。探测器
= trainRCNNObjectDetector (___,'RegionProposalFcn
”,proposalFcn)
R-CNN的这种实现并不为每个目标类训练支持向量机分类器。
为了加快训练数据的预处理,trainrcnnobjectdetector
自动创建和使用一个并行池基于您的并行偏好设置.这需要并行计算工具箱。
VGG-16,VGG-19,Resnet-101和Inception-Resnet-V2是大型型号。使用大图像的培训可能会产生“内存中的错误”错误。要缓解这些错误,请在呼叫之前手动调整图像大小以及边界框地面真实数据trainrcnnobjectdetector
.
此功能支持转移学习。万博1manbetx按名称输入网络时,例如“resnet50”
,然后软件根据预先训练的网络自动将网络转换为有效的R-CNN网络模型resnet50
(深度学习工具箱)模型。或者,使用该方法手动指定自定义R-CNN网络LayerGraph
(深度学习工具箱)从预磨料的DAG网络中提取。看到创建R-CNN对象检测网络.
使用培训选项
(深度学习工具箱)函数来启用或禁用详细打印。
[1] Girshick,R.,J. Donahue,T. Darrell和J. Malik。“丰富的特征层次结构,用于准确对象检测和语义细分。”计算机视觉与模式识别会议论文集.2014年,页580 - 587。
[2] 快速R-CNNIEEE计算机视觉国际会议记录2015年,第1440-1448页。
兹特尼克,C.劳伦斯和P. Dollar。"边缘框:从边缘定位对象"计算机Vision-ECCV,Springer国际出版。2014,第391-405页。
objectDetectorTrainingData
|列车快速故障检测器
|trainFastRCNNObjectDetector
|trainYOLOv2ObjectDetector
|resnet50
(深度学习工具箱)|培训选项
(深度学习工具箱)图像分类分类器
|目标检测器
|层
(深度学习工具箱)|SeriesNetwork
(深度学习工具箱)