このペ,ジの翻訳は最新ではありません。ここをクリックして,英語の最新版を参照してください。
深層学習を使用したオブジェクト検出入門
深層学習を使用したオブジェクト検出は,イメージ内のオブジェクトの位置を予測するための迅速で正確な手段を提供します。深層学習は,オブジェクト検出器が検出タスクに必要なイメージの特徴を自動的に学習する強力な機械学習手法です。深層学習を使用したオブジェクト検出には,R-CNN更快,你只看一次(YOLO)意思v2, YOLO v3,意思YOLO v4,意思シングルショット検出(SSD)など,いくつかの方法を利用できます。
オブジェクト検出の応用例は次のとおりです。
メ,ジ分類
シ,ン理解
自動運転車
監視
オブジェクト検出用学習デ,タの作成
ラベル付けアプリを使用して,ビデオ,イメージシーケンス,イメージコレクション,またはカスタムデータソースのグラウンドトゥルースデータに対話形式でラベルを付けます。イメージ内のオブジェクトの位置とサイズを定義する四角形のラベルを使用して,オブジェクト検出グラウンドトゥルースにラベルを付けることができます。
デ,タの拡張と前処理
デ,タ拡張を使用すると,限られたデ,タセットで学習を行うことができます。平行移動,トリミング,変換などのわずかな変更をイメージに加えることで,ロバストな検出器の学習に使用できる特徴的な一意のイメージが新たに作成されます。デ,タストアは,デ,タの集合の読み取りや拡張に便利です。,imageDatastore
とboxLabelDatastore
を使用します。
オブジェクト検出のための境界ボックスの拡張(深度学习工具箱)
メ,ジの深層学習向け前処理(深度学习工具箱)
領域固有の深層学習用途のためのデ,タの前処理(深度学习工具箱)
デタストアを使用した学習デタの拡張の詳細にいては,深層学習用のデ,タストア(深度学习工具箱)および組み込みデタストアを使用した追加のメジ処理演算の実行(深度学习工具箱)を参照してください。
オブジェクト検出ネットワ,クの作成
各オブジェクト検出器には,固有のネットワ,クア,キテクチャが含まれます。たとえば更快R-CNN検出器は検出に2ステージのネットワークを使用するのに対し,YOLO v2意思は単一ステージを使用します。ネットワ,クの作成には,fasterRCNNLayers
やyolov2Layers
などの関数を使用します。ディプネットワクデザナ(深度学习工具箱)を使用して,ネットワクを1層ず設計することもできます。
検出器の学習と結果の評価
オブジェクト検出器の学習には,関数trainFasterRCNNObjectDetector
、trainYOLOv2ObjectDetector
、trainYOLOv4ObjectDetector
,およびtrainSSDObjectDetector
を使用します。学習結果の評価には,関数evaluateDetectionMissRate
および関数evaluateDetectionPrecision
を使用します。
深層学習の検出器を使用したオブジェクトの検出
学習済みの検出器を使用して▪▪メ▪▪ジ内のオブジェクトを検出します。たとえば,以下に示す部分的なコ,ドでは,学習済みの探测器
を▪▪メ▪▪ジ我
に対して使用します。オブジェクト関数检测
を,fasterRCNNObjectDetector
オブジェクト,yolov2ObjectDetector
オブジェクト,yolov3ObjectDetector
オブジェクト,yolov4ObjectDetector
オブジェクト,またはssdObjectDetector
オブジェクトに対して使用すると,境界ボックス,検出スコア,および境界ボックスに割り当てられたカテゴリカルラベルが返されます。
I = imread(input_image) [bboxes,scores,labels] = detect(检测器,I)
事前学習済みのオブジェクト検出モデルを使用したオブジェクトの検出
MathWorks®GitHubリポジトリでは,ダウンロードして使用できる最新の事前学習済みオブジェクト検出深層学習ネットワークの実装を提供しており,すぐに推論を実行できます。事前学習済みのオブジェクト検出ネットワークは,可可データセットや帕斯卡VOCデータセットなどの標準データセットについて学習済みです。これらの事前学習済みモデルを直接使用して,テストイメージ内のさまざまなオブジェクトを検出できます。
最新のMathWorks事前学習済みオブジェクト検出器の一覧にいては,MATLAB深度学习(GitHub)を参照してください。