基于matlab使用faster-cnn实现图像标注内容定位

最新推荐文章于 2023-07-29 22:06:39 发布

wo99901111999083

最新推荐文章于 2023-07-29 22:06:39 发布

阅读量891

点赞数 1

分类专栏： matlab 文章标签：深度学习 matlab

本文链接：https://blog.csdn.net/wo99901111999083/article/details/117363760

版权

matlab 专栏收录该内容

4 篇文章 4 订阅

订阅专栏

本文详细介绍了如何使用Matlab进行图像物体识别，包括数据标记、尺寸调整、FasterRCNN训练参数设置，以及单图和批量图片的识别过程。重点涉及了如何使用ImageLabeler工具和FasterRCNN算法进行鱼类物体的定位与标注。

摘要由CSDN通过智能技术生成

本文章是为了实现对图像中特定的物体进行识别。

1.标记数据，制作训练集。

导入图片进行标记特定的物体：APP----->Image Labeler----->load------>add images from folder

新建Label，作为特定的物体名称，在导入的图片中进行标注。

导出标注内容：Export Labels----->to workplace(Export format要改成table)

2批量调整图像尺寸使其能用FasterRCNN进行训练

% imagePath = 'E:\matlab\installpath\bin\Fish_Dataset\Fish_Dataset\Black Sea Sprat\fish_test\';   
% imageFiles = dir(imagePath); %%读取目录文件下的所有图片文件  
% numFiles = length(imageFiles);%%获取图片的数量  
% parfor i=3:numFiles   %%matlab 并行 其实和for一个用法               
%     j = i-2;  
%     disp(j); %%disp（） 函数直接将内容输出在Matlab命令窗口中  
%     imageFile = strcat(imagePath,imageFiles(i).name); %%strcat()函数经常出现在批量处理的时候，这个时候我们需要用到for循环，然后这个函数能够让变量和路径产生一些关系，这个时候我们就可以对其进行批量处理。
%     A = imread(imageFile); %%读入图片  
%     B = imresize(A,[406 720]); %%修改图片尺寸  
%     imwrite(B,imageFile); %%保存图片 。           
% end

3设置训练参数

%  % Set training options
% options = trainingOptions('sgdm', ...
% 'MiniBatchSize', 1, ... %Faster-RCNN中的minibatch只能设置成1
% 'InitialLearnRate', 1e-4, ... %学习率，设置大的话训练速度快但效果比较差，甚至会发散，设置小了训练速度会较慢
% 'LearnRateSchedule', 'piecewise', ...
% 'LearnRateDropFactor', 0.1, ...
% 'LearnRateDropPeriod', 100, ...
% 'MaxEpochs', 20, ...
% 'CheckpointPath', tempdir, ...
% 'Verbose', true);
% % detector = trainFasterRCNNObjectDetector(gTruth,alexnet,options);

4测试单张图片的识别

img = imread('E:\matlab\installpath\bin\liuyaqi\Fish_Dataset\Fish_Dataset\Black Sea Sprat\Black Sea Sprat\00956.png');
[bbox,score,label]=detect(detector,img);
img=insertObjectAnnotation(img,'Rectangle',bbox,score);
figure;
imshow(img);
hold on
x=bbox(1)+60;
y=bbox(2)-14;
text(x,y,'fish-head','Color','k','FontSize',12);
%x，y分别为文本的位置。

5测试整个文件夹的文件识别

%测试训练好的网络detector
for i=1:5  
    img=imread(['E:\matlab\installpath\bin\liuyaqi\Fish_Dataset\Fish_Dataset\Black Sea Sprat\aim\',...
        num2str(i),'.png']);
detectedImg=insertShape(img,'Rectangle',bbox);
[bbox,score,label]=detect(detector,img);
img=insertObjectAnnotation(img,'Rectangle',bbox,score);
figure;
imshow(img);
hold on
x=bbox(1)+60;
y=bbox(2)-14;
text(x,y,'fish-head','Color','k','FontSize',12);
%x，y分别为文本的位置。
end

6直到第5步为止，定位标注内容代码已经实现。

另外，对于matlab标注的函数有所了解。img=insertObjectAnnotation（....）其中当第二个参数为‘circle’的时候和是‘Rectangle’的时候的需要的position的格式不一样。

%  %matlab圆形标注的代码
% position = [96 146 31;236 173 26];%设置圆位置。前两个值表示中心位于（x，y），第三个值表示半径。
% label = [55555555555555 10];       %设置标签显示整数5和10（美国美分）。
% RGB = insertObjectAnnotation(img,'circle',position,label,'LineWidth',3,'Color',{'cyan','yellow'},'TextColor','black');      %插入的批注。
% figure     
% imshow(RGB)     %显示图片
% title('Annotated coins');