matlab使用Alexnet识别高速路牌

一个经典的迁移学习案例，Alexnet本身需要下载，下载需要注册matlab账号，当然网上也有这个模型，随便下。

doc Alexnet doc trainFasterRCNNObjectDetector

就能查到官网提供的案例信息。

网上也有相关的案例可以参考，主要参考这两个：

MATLAB2017a使用FasterRcnn目标检测训练及其测试流程_不知名的小咸鱼的博客-CSDN博客_matlab目标检测

MATLAB2018b使用自己的数据训练faster-RCNN步骤及报错解决_是江姑娘呀-CSDN博客

当然实际使用肯定会有bug，需要慢慢调。

只要注意整体的格式，就行。运行的时候比较占内存。

clc
clear all
load('alexnet.mat',"net")

image = imageDatastore('C:\Users\1\Desktop\matlab_test_net',...
'IncludeSubfolders',true,'LabelSource','foldernames');
layersTransfer=net.Layers(1:end-3);

numClasses = numel(categories(image.Labels));

layers = [

layersTransfer

fullyConnectedLayer(numClasses,'WeightLearnRateFactor',20,'BiasLearnRateFactor',20)

softmaxLayer

classificationLayer];

options = trainingOptions('sgdm', ...
    'MiniBatchSize',5, ...
    'MaxEpochs',20, ...
    'InitialLearnRate',0.0001);
    

netTransfer = trainNetwork(image,layers,options)

 这块基本都是默认，改个照片存储路径就行，注意img是照片格式。

test= load('F:/xunlian/test.mat');     %it is not necessary
options = trainingOptions('sgdm', ...    
'InitialLearnRate', 1e-5, ...
'MaxEpochs', 20, ...                     %twenty times  训练深度不是越多效果越好，有可能适得其反，
'CheckpointPath', tempdir);
layer=netTransfer.Layers

%这里输入的tsst不对，应该是一组数组，不是一个mat数。
naq = readtable('test_table_youdian.xls')

%使用table 组合出数据，而不是从外部导入

%naqq=table(test.gTruth.DataSource.Source,)
%对这个naq进行处理

file = [] ;
aaa = test.gTruth.LabelData.biaozhi;
for i =1:30
    file2=[file;test.gTruth.DataSource.Source{i}];
    %table2array(test.gTruth.LabelData(2,1))
    
end
file=naq.imageFilename;
naqqq=table(file,aaa)

这一块数据类型主要做成table型，

有两种方法 一种是从mat文件中提出数据然后table()组合

还有一种就是readtable()读excel中的数据，看你个人情况选择。

这里面的数据其实是，路径和切割的点

训练需要一些时间（补充一个重点，需要加一个backgroud文件夹，因为这个模型本质是个分类模型，至少要二分类也就是有两个数据集，假如遇到这个报错，参考上一个博客）

 之后将这个detector另存为mat格式

之后就是测试

img=imread("图片.jpg")
load('wangluo.mat')
[bbox,score,label] = detect(detector,img);
index = find(score>0.8);
bbox = bbox(index,:);
score = score(index,:);
label = label(index,:);
img = insertObjectAnnotation(img,'Rectangle',bbox,score);
img = insertShape(img,'Rectangle',bbox);
imshow(img)

测试图像如下所示：

很粗糙，但好在简单，方便，快。。。。。。

凑合用就行了，发论文就别想了。