Matlab——基于Deep Learning Toolboxs调用预训练模型实现简单的深度学习CV任务
内容导读
互联网集市收集整理的这篇技术教程文章主要介绍了Matlab——基于Deep Learning Toolboxs调用预训练模型实现简单的深度学习CV任务,小编现在分享给大家,供广大互联网技能从业者学习和参考。文章包含2235字,纯文字阅读大概需要4分钟。
内容图文
文章目录
1.工具箱准备
可以直接搜索名称在matlab中下载,大家只要登录账号即可免费下载,不需要edu邮箱哦,QQ邮箱就可。
- USB摄像头工具箱:OS Generic Video Interface
- Deep Learning Toolboxs
- 预训练的深度学习模型(运行模型时按照提示下载即可)
大家可以直接运行代码,按照报错提示下载即可
2.摄像头使用
(1)调用摄像头并拍照显示
clear
close all
clc
vid = videoinput('winvideo',1);
preview(vid);
frame = getsnapshot(vid); % 拍照
figure;imshow(frame);
(2)调用摄像头并设置复杂参数
clc;
clear all;
close all;
vid = videoinput('winvideo', 2, 'YUY2_640x480'); % 设置摄像头尺寸
set(vid,'ReturnedColorSpace','rgb'); %
vidRes=get(vid,'VideoResolution');
width=vidRes(1);
height=vidRes(2);
nBands=get(vid,'NumberOfBands');
figure('Name', 'Matlab调用摄像头', 'NumberTitle', 'Off', 'ToolBar', 'None', 'MenuBar', 'None');
hImage=image(zeros(vidRes(2),vidRes(1),nBands));
preview(vid,hImage);
3.轻量代码调用预训练模型实现CV任务
(1)图像分类任务
clear
close all
clc
%% 初始变量定义
vid = videoinput('winvideo', 2, 'YUY2_640x480'); % Connect to the camera
set(vid,'ReturnedColorSpace','rgb'); % 设置为RGB格式,否则会默认为BGR格式
net = alexnet; % 定义网络结构
%% 主程序
while true
im = getsnapshot(vid); % 取当前帧
image(im); % 显示照片
im = imresize(im,[227 227]); % 缩减图像尺寸至模型输入要求
label = classify(net,im); % 输入模型进行推理预测
title(char(label)); % 展示预测的label
drawnow
end
识别结果有点一言难尽。。。。反正大家用一下图个乐呵就行。
(2)目标检测任务
做一个小的人脸识别:
clear
close all
clc
%% 初始变量定义
vid = videoinput('winvideo', 2, 'YUY2_640x480'); % 定义摄像头参数
set(vid,'ReturnedColorSpace','rgb'); % 设置为RGB格式,否则会默认为BGR格式
faceDetector = vision.CascadeObjectDetector(); % 定义人脸识别工具
%% 主程序
while true
im = getsnapshot(vid); % 取当前帧
im = imresize(im,[227 227]); % 缩减图像尺寸
bbox = step(faceDetector, im); % 将图片输入人脸检测器,返回识别结果的bounding box信息
imgOut = insertObjectAnnotation(im,'rectangle',bbox,'Face'); % 给原图识别结果画框
imgOut = imresize(imgOut,[640 480]); % 重新放回原尺寸,便于观察效果
image(imgOut); % 显示照片
end
内容总结
以上是互联网集市为您收集整理的Matlab——基于Deep Learning Toolboxs调用预训练模型实现简单的深度学习CV任务全部内容,希望文章能够帮你解决Matlab——基于Deep Learning Toolboxs调用预训练模型实现简单的深度学习CV任务所遇到的程序开发问题。 如果觉得互联网集市技术教程内容还不错,欢迎将互联网集市网站推荐给程序员好友。
内容备注
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 gblab@vip.qq.com 举报,一经查实,本站将立刻删除。
内容手机端
扫描二维码推送至手机访问。