Обучите детектор объектов YOLO v2
возвращается детектор объектов обучил использование, вы только смотрите однажды версия 2 (YOLO v2) архитектура сети, заданная входом detector
= trainYOLOv2ObjectDetector(trainingData
,lgraph
,options
)lgraph
. options
введите задает параметры обучения для сети обнаружения.
обучение резюме с сохраненной контрольной точки детектора.detector
= trainYOLOv2ObjectDetector(trainingData
,checkpoint
,options
)
Можно использовать этот синтаксис для:
Добавьте больше обучающих данных и продолжите обучение.
Улучшите учебную точность путем увеличения максимального числа итераций.
продолжает обучение детектор объектов YOLO v2. Используйте этот синтаксис для подстройки детектора.detector
= trainYOLOv2ObjectDetector(trainingData
,detector
,options
)
задает размеры изображения для многошкального обучения при помощи пары "имя-значение" в дополнение к входным параметрам в любом из предыдущих синтаксисов.detector
= trainYOLOv2ObjectDetector(___,'TrainingImageSize',trainingSizes
)
дополнительные опции использования заданы одним или несколькими detector
= trainYOLOv2ObjectDetector(___,Name,Value
)Name,Value
парные аргументы и любые из предыдущих входных параметров.
Чтобы сгенерировать основную истину, используйте приложение Video Labeler или Image Labeler. Чтобы составить таблицу обучающих данных от сгенерированной основной истины, используйте objectDetectorTrainingData
функция.
Улучшить точность предсказания,
Увеличьте число изображений, которые можно использовать, чтобы обучить сеть. Можно расширить обучающий набор данных посредством увеличения данных. Для получения информации о том, как применить увеличение данных для предварительной обработки, смотрите, Предварительно обрабатывают Изображения для Глубокого обучения (Deep Learning Toolbox).
Выполните многошкальное обучение при помощи trainYOLOv2ObjectDetector
функция. Для этого задайте 'TrainingImageSize
'аргумент trainYOLOv2ObjectDetector
функция для того, чтобы обучить сеть.
Выберите поля привязки, соответствующие набору данных для того, чтобы обучить сеть. Можно использовать estimateAnchorBoxes
функция, чтобы вычислить поля привязки непосредственно из обучающих данных.
[1] Джозеф. R, С. К. Диввэла, Р. Б. Джиршик и Ф. Али. "Вы Только Взгляд Однажды: Объединенное, Обнаружение объектов В реальном времени". В Продолжениях Конференции по IEEE по Компьютерному зрению и Распознаванию образов (CVPR), стр 779–788. Лас-Вегас, NV: CVPR, 2016.
[2] Джозеф. R и Ф. Али. "YOLO 9000: Лучше, Быстрее, Более сильный". В Продолжениях Конференции по IEEE по Компьютерному зрению и Распознаванию образов (CVPR), стр 6517–6525. Гонолулу, HI: CVPR, 2017.
trainingOptions
(Deep Learning Toolbox) | trainRCNNObjectDetector
| trainFastRCNNObjectDetector
| trainFasterRCNNObjectDetector
| objectDetectorTrainingData
| yolov2Layers