Этот пример показывает генерацию кода для пешеходного приложения обнаружения что глубокое обучение использования. Пешеходное обнаружение является ключевым вопросом в компьютерном зрении. Пешеходное обнаружение имеет несколько приложений в областях автономного управления автомобилем, наблюдения, робототехники, и так далее.
CUDA® включил NVIDIA® графический процессор.
NVIDIA инструментарий CUDA и драйвер.
NVIDIA cuDNN.
Переменные окружения для компиляторов и библиотек. Для получения информации о поддерживаемых версиях компиляторов и библиотек, смотрите Стороннее Оборудование. Для подготовки переменных окружения смотрите Подготовку Необходимых как условие продуктов.
Интерфейс GPU Coder для Библиотек Глубокого обучения поддерживает пакет. Чтобы установить этот пакет поддержки, используйте Add-On Explorer.
Используйте coder.checkGpuInstall функция, чтобы проверить, что компиляторы и библиотеки, необходимые для выполнения этого примера, настраиваются правильно.
envCfg = coder.gpuEnvConfig('host'); envCfg.DeepLibTarget = 'cudnn'; envCfg.DeepCodegen = 1; envCfg.Quiet = 1; coder.checkGpuInstall(envCfg);
Пешеходная сеть обнаружения была обучена при помощи изображений пешеходов и непешеходов. Эта сеть обучена в MATLAB® при помощи trainPedNet.m скрипта помощника. Подход раздвижного окна обрезки исправляет от изображения размера [64 32]. Размерности закрашенной фигуры получены из тепловой карты, которая представляет распределение пешеходов в изображениях в наборе данных. Это указывает на присутствие пешеходов в различных шкалах и местоположениях в изображениях. В этом примере закрашенные фигуры пешеходов близко к камере обрезаются и обрабатываются. Немаксимальное подавление (NMS) применяется на полученные закрашенные фигуры, чтобы объединить их и обнаружить полных пешеходов.
Пешеходная сеть обнаружения содержит 12 слоев, которые включают свертку, полностью соединенную, и классификация выходные слои.
load('PedNet.mat');
PedNet.Layers
ans =
12×1 Layer array with layers:
1 'imageinput' Image Input 64×32×3 images with 'zerocenter' normalization
2 'conv_1' Convolution 20 5×5×3 convolutions with stride [1 1] and padding [0 0 0 0]
3 'relu_1' ReLU ReLU
4 'maxpool_1' Max Pooling 2×2 max pooling with stride [2 2] and padding [0 0 0 0]
5 'crossnorm' Cross Channel Normalization cross channel normalization with 5 channels per element
6 'conv_2' Convolution 20 5×5×20 convolutions with stride [1 1] and padding [0 0 0 0]
7 'relu_2' ReLU ReLU
8 'maxpool_2' Max Pooling 2×2 max pooling with stride [2 2] and padding [0 0 0 0]
9 'fc_1' Fully Connected 512 fully connected layer
10 'fc_2' Fully Connected 2 fully connected layer
11 'softmax' Softmax softmax
12 'classoutput' Classification Output crossentropyex with classes 'NonPed' and 'Ped'
pedDetect_predict Функция точки входаpedDetect_predict.m функция точки входа берет вход изображений и выполняет предсказание на изображении при помощи нейронной сети для глубокого обучения, сохраненной в PedNet.mat файл. Функция загружает сетевой объект от PedNet.mat файл в персистентную переменную pednet. Затем функциональные повторные использования постоянный объект на последующих вызовах.
type('pedDetect_predict.m')
function selectedBbox = pedDetect_predict(img)
%#codegen
% Copyright 2017-2019 The MathWorks, Inc.
coder.gpu.kernelfun;
persistent pednet;
if isempty(pednet)
pednet = coder.loadDeepLearningNetwork(coder.const('PedNet.mat'),'Pedestrian_Detection');
end
[imgHt , imgWd , ~] = size(img);
VrHt = [imgHt - 30 , imgHt]; % Two bands of vertical heights are considered
% patchHt and patchWd are obtained from heat maps (heat map here refers to
% pedestrians data represented in the form of a map with different
% colors. Different colors indicate presence of pedestrians at various
% scales).
patchHt = 300;
patchWd = patchHt/3;
% PatchCount is used to estimate number of patches per image
PatchCount = ((imgWd - patchWd)/20) + 2;
maxPatchCount = PatchCount * 2;
Itmp = zeros(64 , 32 , 3 , maxPatchCount);
ltMin = zeros(maxPatchCount);
lttop = zeros(maxPatchCount);
idx = 1; % To count number of image patches obtained from sliding window
cnt = 1; % To count number of patches predicted as pedestrians
bbox = zeros(maxPatchCount , 4);
value = zeros(maxPatchCount , 1);
%% Region proposal for two bands
for VrStride = 1 : 2
for HrStride = 1 : 20 : (imgWd - 60) % Obtain horizontal patches with stride 20.
ltMin(idx) = HrStride + 1;
rtMax = min(ltMin(idx) + patchWd , imgWd);
lttop(idx) = (VrHt(VrStride) - patchHt);
It = img(lttop(idx): VrHt(VrStride) , ltMin(idx) : rtMax , :);
Itmp(:,:,:,idx) = imresize(It,[64,32]);
idx = idx + 1;
end
end
for j = 1 : size (Itmp,4)
score = pednet.predict(Itmp(:,:,:,j)); % Classify ROI
% accuracy of detected box should be greater than 0.90
if (score(1,2) > 0.80)
bbox(cnt,:) = [ltMin(j),lttop(j), patchWd , patchHt];
value(cnt,:) = score(1,2);
cnt = cnt + 1;
end
end
%% NMS to merge similar boxes
if ~isempty(bbox)
[selectedBbox,~] = selectStrongestBbox(bbox(1:cnt-1,:),...
value(1:cnt-1,:),'OverlapThreshold',0.002);
end
pedDetect_predict ФункцияСоздайте объект GPU Configuration для цели MEX и установите выходной язык на C++. Используйте coder.DeepLearningConfig функция, чтобы создать CuDNN объект настройки глубокого обучения и присвоение это к DeepLearningConfig свойство объекта настройки графического процессора кода. Чтобы сгенерировать MEX CUDA, используйте codegen команда и задает размер входного изображения. Это значение соответствует входному размеру слоя пешеходной сети обнаружения.
% Load an input image. im = imread('test.jpg'); im = imresize(im,[480,640]); cfg = coder.gpuConfig('mex'); cfg.TargetLang = 'C++'; cfg.DeepLearningConfig = coder.DeepLearningConfig('cudnn'); codegen -config cfg pedDetect_predict -args {im} -report
Code generation successful: To view the report, open('codegen/mex/pedDetect_predict/html/report.mldatx').
Вызовите pednet_predict_mex на входном изображении.
imshow(im); ped_bboxes = pedDetect_predict_mex(im);
Отобразите итоговые предсказания.
outputImage = insertShape(im,'Rectangle',ped_bboxes,'LineWidth',3); imshow(outputImage);
Включенный файл помощника pedDetect_predict.m системы координат захватов от видео, выполняет предсказание и отображает результаты классификации на каждом из полученных видеокадров.
v = VideoReader('LiveData.avi');
fps = 0;
while hasFrame(v)
% Read frames from video
im = readFrame(v);
im = imresize(im,[480,640]); % Call MEX function for pednet prediction
tic;
ped_bboxes = pedDetect_predict_mex(im);
newt = toc; % fps
fps = .9*fps + .1*(1/newt); % display
outputImage = insertShape(im,'Rectangle',ped_bboxes,'LineWidth',3);
imshow(outputImage)
pause(0.2)
endОчистите статический сетевой объект, который загрузился в памяти.
clear mex;
codegen | coder.checkGpuInstall | coder.DeepLearningConfig | coder.loadDeepLearningNetwork | VideoReader