利用Matlab自帶的深度學習工具進行車輛區域檢測與車型識別【福利-內附源碼與數據庫】（二）

原創

ChenJoya

2018-08-22 12:37

前言

這次的博客主要是關於如何進行車輛區域檢測的，因爲前段時間要考試了，沉迷學習（逃沒有更新。把代碼上傳到了Github，有興趣的同學可以下下來玩一玩。這一次更新了一個GUI界面，當然，是我們Matlab課的小夥伴一起做的~

如何使用R-CNN?

在Matlab中，其實都很簡單，一個訓練的函數而已，最後生成一個RCNN-Object對象，即爲RCNN訓練得到的分類器。
這裏直接上我的訓練方法吧。一開始用的是上一篇微調後的AlexNet，但是測試的時候（我尼瑪那叫一個慢啊）後來使用了cifar10Net，速度有提升，但是效果下降不少。
首先要明確，cifar10Net是Matlab2016b裏面送給你的，你可以直接讀取，具體可以看http://www.mathworks.com/examples/matlab-computer-vision/mw/vision_product-DeepLearningRCNNObjectDetectionExample-object-detection-using-deep-learning

 load('rcnnStopSigns.mat','cifar10Net')

我們查看網絡結構：

cifar10Net.Layers

只有3個卷積層，總共的層數也少了7層，權重參數肯定是下降了一個數量級，快也是有原因的，效果不太好也是有原因的。
然後我們要把這個後面的全連接層改成我們自己的fc-rcnn層，如何修改呢？直接上函數就行：

cifar10NetRCNN= trainRCNNObjectDetector(data, cifar10Net, options, ...
    'NegativeOverlapRange', [0 0.2], 'PositiveOverlapRange',[0.7 1])

訓練策略可以參考：

     trainingOptions('sgdm', ...
    'Momentum', 0.9, ...
    'InitialLearnRate', 0.005, ...
    'LearnRateSchedule', 'piecewise', ...
    'LearnRateDropFactor', 0.1, ...
    'LearnRateDropPeriod',128, ...
    'L2Regularization',0.01, ...
    'MaxEpochs', 100, ...
    'MiniBatchSize', 100, ...
    'Verbose', true);