- Створіть код для виявлення об’єктів на зображеннях за допомогою детектора об’єктів ACF.
- Створіть файл коду MATLAB для генерації коду.
- Створіть детектор знаків зупинки ACF за межами функції MATLAB.
- Створіть функцію C-MEX.
- Виявлення об’єктів за допомогою згенерованої функції C-MEX.
- Очищення.
- Дивіться також.
Щоб виконати розпізнавання об’єктів за допомогою стандартного підходу машинного навчання, ви почніть із колекції зображень (або відео) та виберіть відповідні функції на кожному зображенні. Наприклад, алгоритм виділення ознак може витягти крайові або кутові елементи, які можна використовувати для розрізнення класів у ваших даних.
Обчисліть перетворення Радона зображення, використовуючи функцію радону. Розташування піків у перетворенні відповідають розташуванню прямих ліній на вихідному зображенні. тета = 0:179; [R,xp] = радон (BW,тета); Відобразіть результат перетворення Радона.
Використовуйте функцію imageinfo, щоб створити інструмент інформації про зображення. Інструмент відображає інформацію про основні атрибути та метадані зображення.
Існує шість кроків для навчання моделі виявлення об’єктів:
- Виберіть архітектуру моделі виявлення об’єктів. …
- Завантажте набір даних. …
- Навчіть модель TensorFlow за допомогою навчальних даних. …
- Оцініть модель за допомогою тестових даних. …
- Експортуйте як модель TensorFlow Lite. …
- Оцініть модель TensorFlow Lite.
tf = ізоб'єкт (A) повертає true, якщо A є об’єктом класу MATLAB®. В іншому випадку він повертає false. Екземпляри MATLAB numeric, logical, char, cell, struct і класи обробки функцій повертають false. Використовуйте isa для перевірки будь-якого з цих типів.