Обнаружьте транспортные средства с помощью Сети YOLO v2
detector = vehicleDetectorYOLOv2
Детектор обучен с помощью незакрытых изображений RGB передней стороны, задней части, покинутой, и правые стороны автомобилей на магистральной сцене. CNN, используемый с детектором транспортного средства, использует модифицированную версию сетевой архитектуры MobileNet-v2. Можно также точно настроить детектор транспортного средства с дополнительными обучающими данными при помощи trainYOLOv2ObjectDetector (Computer Vision Toolbox).
Для получения информации о создании детектора объектов YOLO v2 смотрите, Создают Сеть обнаружения объектов YOLO v2 (Computer Vision Toolbox). Использование этой функции требует Deep Learning Toolbox™.
В этом примере показано, как обнаружить автомобили в изображении и аннотировать изображение баллами обнаружения. Чтобы обнаружить автомобили, используйте детектор YOLO v2, который обучен обнаружить транспортные средства в изображении.
Загрузите предварительно обученный детектор.
detector = vehicleDetectorYOLOv2();
Считайте тестовое изображение в рабочую область.
I = imread('highway.png');Обнаружьте транспортные средства в тестовом изображении при помощи обученного детектора YOLO v2. Передайте тестовое изображение и детектор, как введено к detect (Computer Vision Toolbox) функция. detect функция возвращает ограничительные рамки и баллы обнаружения.
[bboxes,scores] = detect(detector,I);
Аннотируйте изображение ограничительными рамками и баллами обнаружения. Отобразите результаты обнаружения. Ограничительные рамки локализуют транспортные средства в тестовом изображении.
I = insertObjectAnnotation(I,'rectangle',bboxes,scores); figure imshow(I) title('Detected vehicles and detection scores');
yolov2ObjectDetector (Computer Vision Toolbox)configureDetectorMonoCamera | vehicleDetectorFasterRCNN | detect (Computer Vision Toolbox) | trainYOLOv2ObjectDetector (Computer Vision Toolbox)