尼克•崔MathWorks
对象检测是视频监控和高级驾驶员辅助系统(ADAS)等应用背后的关键技术。对象检测算法通常使用机器学习,深度学习或计算机视觉技术来定位和分类图像或视频中的对象。
用MATLAB®和仿真软万博1manbetx件®,您可以:
目标检测是一种计算机视觉技术,用于定位图像或视频中的目标实例。目标检测技术训练预测模型或使用模板匹配来定位和分类目标。
目标检测是视频监控、图像检索系统和高级驾驶辅助系统(ADAS)应用背后的关键技术。
可以使用各种技术来执行对象检测。该技术通常分为三个主要类别:使用深度学习,对象检测使用机器学习的对象检测,以及使用经典计算机视觉技术的对象检测。
流行的基于深度学习的方法,如R-CNN或YOLO v2,使用卷积神经网络(cnn)来学习检测目标所需的特征。
基于机器学习的方法在训练分类器之前使用特征提取来识别目标。流行的方法包括聚合信道特征(ACF)和Viola-Jones算法。
最后,根据应用,更传统的计算机视觉方法可能就足够了。一些例子包括模板匹配,图像分割和BLOB分析等技术,或者特征提取和匹配。
使用MATLAB,您可以尝试几行代码尝试各种这些方法,以查看最适合您的数据。您可以利用MATLAB提供的许多预磨损探测器中的一个,或者您可以专门为您的应用程序创建自定义探测器。
我们还有其他关于物体检测与机器学习和经典计算机视觉的视频,所以在这个视频中,我将更多地关注深度学习。
使用深度学习进行目标检测的第一步是标记你想要识别的对象类型的样本。训练目标检测的预测模型通常需要数千甚至数百万的标记样本。
互动应用程序可以帮助您自动标记图像或视频中的对象。这有助于您在开发对象检测算法而不是准备培训数据时焦点更多努力。
使用MATLAB,您还可以在其他机器学习和深度学习框架之间进行互操作,以开发目标探测器。
如果您已经在MATLAB外部实现了网络,则可以使用ONNX导入功能导入它。相反,如果您在Matlab中创建网络,但要在其他地方使用它,则可以使用ONNX导入导出它。
在MATLAB中拥有网络,您可以使用GPU加速培训过程或通过更改单个名称-值对来计算集群。如果您正在使用预先训练过的网络,则可以使用迁移学习来为您的应用程序微调模型。这有助于进一步减少训练时间,提高网络性能。
要开始,可以使用文档中的许多引用示例之一。要了解有关使用MATLAB的对象检测的更多信息,请浏览在线文档页面。
您还可以从以下列表中选择一个网站:
选择中国网站(中文或英文)以获得最佳网站性能。其他MathWorks国家站点没有针对您所在位置的访问进行优化。