使用深度学习对网络摄像头图像进行分类

目录

加载相机和预训练网络

对相机快照进行分类

连续对相机图像进行分类

显示排名靠前的预测值

连续分类图像并显示排名靠前的预测值

另请参阅

---

        此示例说明如何使用预训练的深度卷积神经网络 GoogLeNet 实时对来自网络摄像头的图像进行分类。

        使用 MATLAB®、普通的网络摄像头和深度神经网络来识别周围环境中的对象。此示例使用 GoogLeNet，它是预训练的深度卷积神经网络（CNN 或 ConvNet），已基于超过一百万个图像进行训练，可以将图像分为 1000 个对象类别（例如键盘、咖啡杯、铅笔和多种动物）。可以下载 GoogLeNet 并使用 MATLAB 实时连续处理相机图像。

        GoogLeNet 已基于大量图像学习了丰富的特征表示。它以图像作为输入，然后输出图像中对象的标签以及每个对象类别的概率。可以用周围的物品进行试验，以了解 GoogLeNet 对图像进行分类的准确程度。要了解有关网络对象分类的详细信息，可以实时显示排名前五的类的分数，而不是只显示最终的类决策。

加载相机和预训练网络

        连接到相机并加载预训练的 GoogLeNet 网络。可以在此步骤使用任何预训练网络。该示例需要 MATLAB Support Package for USB Webcams，以及 Deep Learning Toolbox™ Model for GoogLeNet Network。如果没有安装所需的支持包，软件会提供下载链接。

camera = webcam;
net = googlenet;

        如果要再次运行该示例，请先运行命令 clear camera，其中 camera 是与网络摄像头的连接。否则将出现错误，因为您不能创建与同一网络摄像头的另一连接。

对相