你好。我的名字是乔希克林。我在MathWorks公司的高级开发人员。我一直在尝试用MATLAB和神经网络工具箱深度学习。我写了一个简单的小程序，它的东西很酷。我现在想证明给你。

我所做的是我已经采取了网络摄像头，并将其连接到该识别图像的神经网络。现在我可以指向各种对象的摄像头，并识别出它。螺旋状的，或者一个螺丝刀，或者也许是左轮手枪，口琴，一个茶壶，一个铲子，诸如此类的事情。它并不完美，但它确实一个不错的工作。

所以让我们看看在执行此代码。这是整个程序，对不对？这只是11线。我们将通过它去。但是，我们要做到三个不同的阶段。

我们要清除工作区。我们要问的摄像头连接到网络摄像头，具有摄像头和拍照，最后，在屏幕上显示该图片。所以，当我们运行这个我们应该得到一个新的画面会在这里。这就是我们刚刚拍的照片。

但是，这是一个静止图像。我们希望这是一个连续的视频。因此，我们要添加三行代码把它放在一个循环。

我们会把一个while循环围绕要带图片的代码。所以MATLAB立即绘制我们将添加一个的DrawNow。当我运行这一点，我们会得到同样的事情。但现在，这是一个实时视频。

最后，我们需要在神经网络的补充。我使用了一个名为AlexNet网络。AlexNet是一个大而深的卷积神经网络。他们训练这个网络在超过一百万的图像。它可以识别约1000个不同的对象。

我已经下载了它。现在，我们就可以使用它。这条线要问网络我们刚刚拍的照片进行分类。因此，我们将通过每个图片到网络，它会返回一个图片的标签。

我们这样做之前，我们必须将图片调整到AlexNet预计大小。它被训练图像的特定大小。最后，我要使用标签在我的图片的标题。而且我得把它与这个命令转换为字符串就在这里。

因此，我们所有的设置。这些都是线。让我们再次运行它。我们正在重新运行。

我可以识别键盘，或者一个空格键。承认我的鼠标，或者也许这是一个锅铲。还有我们去。

我希望这个节目的简单鼓励你尝试深度学习。接下来自然的一步是将尝试迁移学习。迁移学习中你需要像AlexNet网络，并重新培训你自己的特定图像的最后几层。这将导致网络中比AlexNet更好的为您的特定图像。如果您有兴趣了解更多关于如何深度学习适用于您的问题，请在说明的链接。