Документация

При необходимости выполните эти команды для загрузки, подключитесь к веб-камере и получите предварительно обученную нейронную сеть.

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

Если необходимо установить webcam и alexnet Add-on, появится сообщение от каждой функции со ссылкой, которая поможет загрузить бесплатные Add-On Explorer. Кроме того, см. модель инструментария глубокого обучения для AlexNet Network и пакет поддержки MATLAB для веб-камер USB.

После установки Deep Learning Toolbox™ Model для AlexNet Network ее можно использовать для классификации изображений. AlexNet - заранее обученная сверточная нейронная сеть (CNN), которая обучена более чем миллиону изображений и может классифицировать изображения по 1000 категориям объектов (например, клавиатура, мышь, кофейная кружка, карандаш и многие животные).

Выполните следующий код для отображения и классификации изображений в реальном времени. Направьте веб-камеру на объект, и нейронная сеть сообщит, какой класс объекта, по ее мнению, показывает веб-камера. Она будет продолжать классифицировать изображения до тех пор, пока вы не нажмете клавиши Ctrl + C. Код изменяет размер изображения для сети с помощьюimresize(Панель инструментов обработки изображений).

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. Проведите эксперимент с объектами в вашем окружении, чтобы увидеть, насколько точна сеть.

Для просмотра видео этого примера см. раздел Глубокое обучение в 11 строках кода MATLAB.

Чтобы узнать, как расширить этот пример и показать оценки вероятности занятий, см. раздел Классификация изображений веб-камеры с помощью глубокого обучения.

Для последующих шагов глубокого обучения можно использовать предварительно подготовленную сеть для других задач. Решите новые проблемы классификации данных изображения с помощью обучения переносу или извлечения функций. Примеры см. в разделах Ускоренное начало глубокого обучения с использованием обучающих программ и подготовка классификаторов с использованием функций, извлеченных из предварительно подготовленных сетей. Чтобы попробовать другие предварительно обученные сети, см. Предварительно обученные глубокие нейронные сети.