Avi格式的本周的精选是11行MATLAB代码中的深度学习由MathWorks深度学习工具箱团队．这篇文章是后续这篇文章并提供了更详细的解释。

如果你有兴趣了解更多关于深度学习的知识，或者在MATLAB中尝试一些最新的深度学习研究，这篇博文将带你走过开始的第一步。File Exchange上的条目提供了下载最流行的深度神经网络之一所需的一切，并使用它使用来自网络摄像头的实时视频对图像进行分类。在你读完这篇文章之前，我强烈建议你看一看这个视频Joe Hicklin的作品(见下图)，这说明了我将更详细地解释的内容。

这篇文章介绍了如何下载一个预先训练的深度卷积神经网络，并使用它对实时视频流中的图像进行分类。

负载Pre-Trained网络

我将在本文中使用的预训练模型被称为AlexNet。该模型经过训练，可以识别图像中1000种不同类别的物体，并使用超过100万张图像进行训练。的AlexNet模型是MATLAB中的支持包，您可以从哪里了解更多关于AlexNet的支持包这篇博客．现在让我们将预先训练好的网络加载到MATLAB中。

nnet = alexnet;%将提示安装支持包，如果不可用

查看网络结构

现在让我们来看看AlexNet模型的结构。注意，第一层需要227×227 RGB图像，最后一层对1000个不同的对象进行分类。

nnet。层s

带有图层的图层数组:2' conv1' Convolution 96 11x11x3 convolutions with stride [4 4] and padding [0 0] 3 'relu1' ReLU ReLU 4 'norm1' Cross Channel normalization Cross Channel normalization with 5 channels per element 5 'pool1' Max Pooling 3x3 Max Pooling with stride [2 2] and padding [0 0] 6 'conv2' Convolution 256 5x5x48 convolutions with stride [1 1] and padding [2 2] 7 'relu2' ReLU ReLU 8 'norm2' Cross Channel normalization Cross Channel标准化与5频道/元素9“pool2”马克斯池3 x3马克斯池步(2 - 2)和填充[0 0]10 conv3卷积384 3 x3x256旋转步[1]和填充[1]11的relu3 ReLU ReLU 12 conv4卷积384 3 x3x192旋转步[1]和填充[1]13的relu4 ReLU ReLU 14 conv5卷积256 3 x3x192旋转步[1]和填充[1]15 ' relu5 ReLU ReLU 16“pool5”马克斯池3 x3马克斯池步(2 - 2)和填充[0 0] 17 'fc6'全连接4096全连接层18 'relu6' ReLU ReLU 19 'drop6' Dropout 50% Dropout 20 'fc7'全连接层21 'relu7' ReLU ReLU 22 'drop7' Dropout 50% Dropout 23 'fc8'全连接层1000全连接层24 'prob' Softmax Softmax 25 'output'分类输出crossentropyex与'tench'， '金鱼'和998其他类

测试图像进行分类

在我们连接网络摄像头并尝试对直播流中的图像进行分类之前，让我们先尝试对单个测试图像进行分类。

我= imread (“peppers.png”）;imshow (I)标题(输入图像的）

为了对输入图像进行分类，我们使用了“分类”函数。由于AlexNet期望输入图像是227×227，让我们调整输入图像。

Iin = imresize(I，[227 227]);图标签=分类(nnet, Iin);%将图片分类imshow(含)%显示图片标题(char(标签)%显示标签

你会看到网络准确地将图像分类为铃铛胡椒。您还可以看到预测得分或置信度类中输出分数来预测1000个类中的每一个类分类方法。

尝试视频直播

现在我们已经在单个图像上尝试了深度学习图像分类器，让我们尝试对直播视频流进行同样的操作。我们使用MATLAB中的webcam对象连接到一个网络摄像头。

相机=摄像头;%连接到相机照片=快照(相机);%合影留念imshow(图)%显示图片循环运行实时视频捕获和分类为N = 1:100图片=快照(相机);%合影留念照片= imresize(图片,[227227]);%调整图片标签=分类(nnet，图片);%分类图imshow(图);%显示图片标题(char(标签)%显示标签drawnow结束

要了解更多关于MATLAB深度学习的知识，请看这个页面。