Документация

Запустите эти команды, чтобы получить загрузки в случае необходимости, соединиться с веб-камерой и получить предварительно обученную нейронную сеть.

camera = webcam; % Connect to the camera
net = alexnet;   % Load the neural network

Если необходимо установить webcam и дополнения alexnet, сообщение от каждой функции, кажется, со ссылкой помогает вам загрузить свободные дополнения с помощью Add-On Explorer. Также см. Модель Deep Learning Toolbox для Сети AlexNet и Пакет Поддержки MATLAB для Веб-камер USB.

После того, как вы установите Модель Deep Learning Toolbox™ для Сети AlexNet, можно использовать его, чтобы классифицировать изображения. AlexNet является предварительно обученной сверточной нейронной сетью (CNN), которая была обучена больше чем на миллионе изображений и может классифицировать изображения в 1 000 категорий объектов (например, клавиатура, мышь, кофейная кружка, карандаш и многие животные).

Запустите следующий код, чтобы показать и классифицировать живые изображения. Укажите веб-камеру на объект и отчеты нейронной сети, какой класс объекта она думает, что веб-камера показывает. Это продолжит классифицировать изображения, пока вы не нажмете Ctrl +C. Код изменяет размер изображения для сети с помощью imresize.

while true
    im = snapshot(camera);       % Take a picture
    image(im);                   % Show the picture
    im = imresize(im,[227 227]); % Resize the picture for alexnet
    label = classify(net,im);    % Classify the picture
    title(char(label));          % Show the class label
    drawnow
end

В этом примере сеть правильно классифицирует кофейную кружку. Экспериментируйте с объектами в своей среде, насколько точный сеть.

Чтобы посмотреть ролик этого примера, смотрите Глубокое обучение в 11 Строках кода MATLAB.

Чтобы изучить, как расширить этот пример и показать множество вероятности классов, смотрите, Классифицируют Изображения Веб-камеры Используя Глубокое обучение.

Для следующих шагов в глубоком обучении можно использовать предварительно обученную сеть для других задач. Решите новые проблемы классификации на своих данных изображения с изучением передачи или выделением признаков. Для примеров смотрите, Запускают Глубокое обучение Быстрее Используя Классификаторы Изучения и Train Передачи, использующие Функции, Извлеченные от Предварительно обученных сетей. Чтобы попробовать другие предварительно обученные сети, смотрите Предварительно обученные Глубокие нейронные сети.