trainYOLOv2ObjectDetector
训练YOLO v2对象检测器
语法
描述
训练一个探测器
返回一个使用输入指定的版本2 (YOLO v2)网络架构训练的对象检测器探测器
= trainYOLOv2ObjectDetector (trainingData
,lgraph
,选项
)lgraph
.的选项
输入为检测网络指定训练参数。
培训检测器
从保存的检测器检查点恢复训练。探测器
= trainYOLOv2ObjectDetector (trainingData
,检查点
,选项
)
你可以使用这个语法:
增加更多的训练数据,继续训练。
通过增加最大迭代次数来提高训练精度。
微调检测器
继续训练YOLO v2对象检测器。使用此语法微调检测器。探测器
= trainYOLOv2ObjectDetector (trainingData
,探测器
,选项
)
多尺度的培训
除了使用上述语法中的输入参数外,还使用名称-值对指定用于多尺度训练的图像大小。探测器
= trainYOLOv2ObjectDetector (___“TrainingImageSize”,trainingSizes
)
例子
输入参数
输出参数
更多关于
提示
要生成基本真相,请使用图片标志或贴标签机视频要根据生成的ground truth创建训练数据表,请使用
objectDetectorTrainingData
函数。为了提高预测精度,
增加用于训练网络的图像数量。您可以通过数据增强来扩展训练数据集。有关如何将数据增强应用于预处理的信息,请参见用于深度学习的图像预处理(深度学习工具箱).
进行多尺度训练
trainYOLOv2ObjectDetector
函数。为此,指定'TrainingImageSize
的论证trainYOLOv2ObjectDetector
网络训练功能。选择适合于数据集的锚框来训练网络。您可以使用
estimateAnchorBoxes
函数直接从训练数据计算锚盒。
参考文献
[1]约瑟。R、S. K.迪夫瓦拉、R. B.格什克和F.阿里。“你只看一次:统一、实时的物体检测。”在IEEE计算机视觉与模式识别会议论文集(CVPR),第779-788页。拉斯维加斯,内华达州:CVPR, 2016。
[2]约瑟。R和f阿里。“YOLO 9000:更好、更快、更强。”在IEEE计算机视觉与模式识别会议论文集(CVPR)第6517-6525页。檀香山,HI: CVPR, 2017。
版本历史
在R2019a中引入