fastRCNNObjectDetectorMonoCamera

Обнаружьте объекты в монокулярной камере с помощью Быстрого детектора глубокого обучения R-CNN

Описание

fastRCNNObjectDetectorMonoCamera объект содержит информацию о Быстром R-CNN (области со сверточными нейронными сетями) детектор объектов, который сконфигурирован для использования с монокулярным датчиком камеры. Чтобы обнаружить объекты в изображении, которое было получено камерой, передайте детектор detect функция. Чтобы классифицировать области изображений, передайте детектор classifyRegions функция.

При использовании detect или classifyRegions с fastRCNNObjectDetectorMonoCamera, использование CUDA®- активированный NVIDIA® Графический процессор настоятельно рекомендован. Графический процессор значительно уменьшает время вычисления. Использование графического процессора требует Parallel Computing Toolbox™. Для получения информации о поддерживаемом вычислите возможности, смотрите Поддержку графического процессора Релизом (Parallel Computing Toolbox).

Создание

  1. Создайте fastRCNNObjectDetector объект путем вызова trainFastRCNNObjectDetector функция с обучающими данными (требует Deep Learning Toolbox™).

    detector = trainFastRCNNObjectDetector(trainingData,...);
  2. Создайте monoCamera возразите, чтобы смоделировать монокулярный датчик камеры.

    sensor = monoCamera(...);
  3. Создайте fastRCNNObjectDetectorMonoCamera объект путем передачи детектора и датчика как входные параметры к configureDetectorMonoCamera функция. Сконфигурированный детектор наследовал значения свойств от исходного детектора.

    configuredDetector = configureDetectorMonoCamera(detector,sensor,...);

Свойства

развернуть все

Имя модели классификации в виде вектора символов или строкового скаляра. По умолчанию имя определяется к заголовку второго столбца trainingData таблица, заданная в trainFastRCNNObjectDetector функция. Можно изменить это имя после создания fastRCNNObjectDetectorMonoCamera объект.

Пример: 'stopSign'

Это свойство доступно только для чтения.

Обученная Быстрая сеть обнаружения R-CNN в виде объекта. Это объектно-ориентированная память слои, которые задают сверточную нейронную сеть, используемую в Быстром детекторе R-CNN. Эта сеть классифицирует предложения по области, произведенные RegionProposalFcn свойство.

Метод предложения по области в виде указателя на функцию.

Это свойство доступно только для чтения.

Имена классов объектов, которые Быстрый детектор R-CNN был обучен найти в виде массива ячеек. Это свойство установлено trainingData входной параметр для trainFastRCNNObjectDetector функция. Задайте имена классов как часть trainingData таблица.

Это свойство доступно только для чтения.

Минимальный размер объекта поддержан сетью Fast R-CNN в виде [height width] вектор. Минимальный размер зависит от сетевой архитектуры.

Это свойство доступно только для чтения.

Настройка камеры в виде monoCamera объект. Объект содержит внутренние параметры камеры, местоположение, тангаж, рыскание, и размещение крена и мировые единицы измерения для параметров. Используйте внутренние параметры, чтобы преобразовать объектные точки в изображение к мировым координатам, которые можно затем сравнить со значениями в WorldObjectSize свойство.

Область значений ширин объекта и длин в мировых единицах измерения в виде [minWidth maxWidth] вектор или [minWidth maxWidth; minLength maxLength] вектор. Указание диапазона объектных длин является дополнительным.

Функции объекта

detectОбнаружьте объекты с помощью Быстрого детектора объектов R-CNN, сконфигурированного для монокулярной камеры
classifyRegionsКлассифицируйте объекты на области изображений с помощью Быстрого детектора объектов R-CNN, сконфигурированного для монокулярной камеры
Введенный в R2017a
Для просмотра документации необходимо авторизоваться на сайте