本系列来自 [ Mathworks ]。
请使用MATLAB2017b之后的版本,新版的MATLAB2018里面有很多深度学习的新功能,感兴趣的可以安装上学习一下。
通过 11 行代码了解深度学习
clearcamera = webcam;
% Connect to the camera
nnet = alexnet;
% Load the neural netwhile true
picture = camera.snapshot;
% Take a picture
picture = imresize(picture,[227,227]);
% Resize the picturelabel = classify(nnet, picture);
% Classify the pictureimage(picture);
% Show the picture
title(char(label));
% Show the label
drawnow;
end
通过一个简单的摄像头,和一个深层神经网络识别你周围的物体。该示例使用AlexNet模型,这是一个经过训练的超过一百万张图像的预训练深卷积神经网络(CNN或ConvNet)。
该示例有两个部分:设置相机并执行对象识别。第一部分显示如何使用该webcam 命令从相机获取图像。使用该drawnow命令,MATLAB能够连续更新和显示摄像机拍摄的图像。
【深度学习(MATLAB 入门系列(一))】第二部分说明如何下载一个名为AlexNet的预训练深层神经网络,并使用MATLAB连续处理相机图像。 AlexNet将图像作为输入,并为图像中的对象提供标签。您可以在周围的对象中进行实验,以了解AlexNet的准确度。
推荐阅读
- C语言学习|第十一届蓝桥杯省赛 大学B组 C/C++ 第一场
- paddle|动手从头实现LSTM
- pytorch|使用pytorch从头实现多层LSTM
- 推荐系统论文进阶|CTR预估 论文精读(十一)--Deep Interest Evolution Network(DIEN)
- pytorch|YOLOX 阅读笔记
- 前沿论文|论文精读(Neural Architecture Search without Training)
- 联邦学习|【阅读笔记】Towards Efficient and Privacy-preserving Federated Deep Learning
- OpenCV|OpenCV-Python实战(18)——深度学习简介与入门示例
- 深度学习|深度学习笔记总结
- 《繁凡的深度学习笔记》|一文绝对让你完全弄懂信息熵、相对熵、交叉熵的意义《繁凡的深度学习笔记》第 3 章 分类问题与信息论基础(中)(DL笔记整理