尼克•崔MathWorks
目标检测是视频监控和高级驱动辅助系统(ADAS)等应用背后的一项关键技术。目标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目标。
用MATLAB®和仿真软万博1manbetx件®,您可以:
目标检测是一种在图像或视频中定位目标实例的计算机视觉技术。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驱动辅助系统(ADAS)等应用背后的一项关键技术。
有各种各样的技术可以用来执行目标检测。这些技术通常分为三大类:使用深度学习的目标检测、使用机器学习的目标检测和使用经典计算机视觉技术的目标检测。
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(CNNs)来学习检测对象所需的特征。
基于机器学习的方法在训练分类器识别目标之前使用特征提取。流行的方法包括聚合通道特性(ACF)和Viola-Jones算法。
最后,更传统的计算机视觉方法可能就足够了,这取决于应用程序。一些例子包括模板匹配、图像分割和斑点分析或特征提取和匹配等技术。
使用MATLAB,只需几行代码就可以尝试各种方法,看看哪种方法最适合您的数据。您可以利用MATLAB提供的许多预先训练过的检测器中的一个,也可以为您的应用程序创建一个定制的检测器。
我们还有其他关于机器学习和经典计算机视觉的物体检测的视频,所以在这段视频中,我将更多地关注深度学习。
使用深度学习进行对象检测的第一步是将你想要识别的对象类型标记出来。训练一个用于对象检测的预测模型通常需要数千个,甚至数百万个标记样本。
交互式应用程序可以帮助你在图像或视频中自动标记物体。这有助于您将更多精力放在开发对象检测算法上,而不是准备训练数据。
使用MATLAB,您还可以在其他机器学习和深度学习框架之间互操作,以开发对象检测器。
如果您已经在MATLAB之外实现了一个网络,那么可以使用ONNX导入功能导入它。相反,如果您在MATLAB中创建了一个网络,但希望在其他地方使用它,您可以使用ONNX导入导出它。
一旦你在MATLAB中有了一个网络,你可以用GPU加速训练过程或通过更改单个名称-值对来计算集群。如果您使用的是预先训练过的网络,那么您可以使用transfer learning来为您的应用程序调整模型。这有助于进一步减少训练时间,提高网络性能。
首先,您可以使用文档中众多参考示例中的一个。要了解更多关于MATLAB对象检测的知识,请浏览在线文档页面。
您也可以从以下列表中选择网站:
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。
本网站使用cookies改善您的用户体验,个性化内容和广告,并分析网站流量。如您继续使用本网站,即表示您同意我们使用cookies。请参阅我们的隐私政策以了解更多有关cookies及如何更改您的设置。