Main Content

Die Übersetzung dieser Seite ist veraltet. Klicken Sie hier, um die neueste Version auf Englisch zu sehen.

Ausprobieren von Deep Learning mit 10 Zeilen MATLAB-Programmcode

Dieses Beispiel veranschaulicht, wie Deep Learning eingesetzt werden kann, um von einer Live-Webcam aufgenommene Objekte mithilfe von nur 10 Zeilen MATLAB®-Programmcode zu identifizieren. Probieren Sie dieses Beispiel aus, um festzustellen, wie einfach die ersten Schritte mit Deep Learning in MATLAB sein können.

  1. Führen Sie diese Befehle aus, um bei Bedarf die Downloads abzurufen, eine Verbindung mit der Webcam herzustellen und ein vortrainiertes neuronales Netz zu erhalten.

    camera = webcam;  % Connect to the camera
net = squeezenet; % Load the neural network

    Wenn Sie das Add-on webcam installieren müssen, wird von der Funktion eine Meldung mit einem Link angezeigt, um den Download des kostenlosen Add-ons mithilfe des Add-on-Explorers zu vereinfachen. Alternativ finden Sie weitere Informationen unter MATLAB Support Package for USB Webcams.

    SqueezeNet ist ein vortrainiertes Convolutional Neural Network, das mit mehr als einer Million Bilder trainiert wurde und Bilder in 1000 Objektkategorien klassifizieren kann (z. B. Tastatur, Maus, Kaffeebecher, Bleistift und viele Tierarten).

  2. Führen Sie den folgenden Code aus, um Live-Bilder anzuzeigen und zu klassifizieren. Richten Sie die Webcam auf ein Objekt und das neuronale Netz meldet, welcher Klasse von Objekt es das Bild der Webcam zuordnet. Es klassifiziert Bilder so lange, bis Sie die Tastenkombination Strg+C eingeben. Der Code legt die Größe des Bilds für das Netz mithilfe des Befehls imresize fest.

    while true
    im = snapshot(camera);       % Take a picture
    image(im);                   % Show the picture
    im = imresize(im,[227 227]); % Resize the picture for squeezenet
    label = classify(net,im);    % Classify the picture
    title(char(label));          % Show the class label
    drawnow
end

    In diesem Beispiel wird vom Netz korrekterweise ein Kaffeebecher klassifiziert. Experimentieren Sie mit Objekten in Ihrer Umgebung, um festzustellen, wie genau das Netz ist.

    Webcam image of a mug with the title displaying the predicted class ("coffee mug")

    Ein Video zu diesem Beispiel finden Sie unter Deep Learning in 11 Lines of MATLAB Code.

    Informationen dazu, wie Sie dieses Beispiel erweitern und die Wahrscheinlichkeits-Scores von Klassen aufrufen können, finden Sie unter Classify Webcam Images Using Deep Learning.

    In den nächsten Schritten des Deep Learning können Sie das vortrainierte Netz für andere Aufgaben verwenden. Lösen Sie neue Klassifizierungsprobleme für Ihre Bilddaten mithilfe von Transfer Learning oder Merkmalsextraktion. Beispiele finden Sie unter Start Deep Learning Faster Using Transfer Learning und Train Classifiers Using Features Extracted from Pretrained Networks. Wenn Sie andere vortrainierte Netze ausprobieren möchten, finden Sie unter Pretrained Deep Neural Networks weitere Informationen.

Siehe auch

| |

Verwandte Themen