Документация

Запустите эти команды, чтобы получить загрузки, если это необходимо, подключиться к веб-камере и получить предварительно обученную нейронную сеть.

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

Если вам нужно установить webcam и alexnet add-on, появляется сообщение от каждой функции со ссылкой, которая поможет вам скачать бесплатные дополнения с помощью Add-On Explorer. Кроме того, смотрите Deep Learning Toolbox Model для AlexNet Network и MATLAB Support Package для веб-камер USB.

После установки модели Deep Learning Toolbox™ для AlexNet Network можно использовать ее для классификации изображений. AlexNet является предварительно обученной сверточной нейронной сетью (CNN), которая была обучена на более чем миллионе изображений и может классифицировать изображения в 1000 категорий объектов (для примера, клавиатуры, мыши, кофейной кружки, карандаша и многих животных).

Запустите следующий код, чтобы показать и классифицировать живые изображения. Наведите веб-камеру на объект, и нейронная сеть сообщает, какой класс объекта она думает, что веб-камера показывает. Он будет продолжать классифицировать изображения, пока вы не нажмете Ctrl + C. Код изменяет размер изображения для сети, используяimresize (Image Processing Toolbox).

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 кружку кофе. Экспериментируйте с объектами в вашем окружении, чтобы увидеть, насколько точна сеть.

Чтобы посмотреть видео этого примера, смотрите Глубокое Обучение в 11 линиях КОДА MATLAB.

Чтобы узнать, как расширить этот пример и показать счета вероятностей классов, смотрите Классификация изображений веб-камеры с помощью глубокого обучения.

Для следующих шагов глубокого обучения можно использовать предварительно обученную сеть для других задач. Решите новые классификационные задачи на данных изображения с помощью передачи обучения или редукции данных. Для примеров смотрите Начать Глубокое Обучение Быстрее С Помощью Передачи обучения и Обучить Классификаторы С Использованием Функций, Извлеченных из Предварительно Обученных Сетей. Чтобы попробовать другие предварительно обученные сети, см. Pretrained Deep Neural Networks.