1、GoogLeNet

2014年，GoogLeNet和VGG是当年ImageNet挑战赛(ILSVRC14)的双雄，GoogLeNet获得了第一名、VGG获得了第二名，这两类模型结构的共同特点是层次更深了。VGG继承了LeNet以及AlexNet的一些框架结构（详见大话CNN经典模型：VGGNet），而GoogLeNet则做了更加大胆的网络结构尝试，虽然深度只有22层，但大小却比AlexNet和VGG小很多，GoogleNet参数为500万个，AlexNet参数个数是GoogleNet的12倍，VGGNet参数又是AlexNet的3倍，因此在内存或计算资源有限时，GoogleNet是比较好的选择；从模型结果来看，GoogLeNet的性能却更加优越。

详情：大话CNN经典模型：GoogLeNet（从Inception v1到v4的演进）

2、开发环境及前期准备

开发环境：MATLAB2019a
最好用较新的的MATLAB版本，深度学习方向的库更新太快，老版本可能出现不兼容等问题。

两个重要附加工具模块：

Deep Learning Toolbox for GoogLeNet
MATLAB Support Package for USB Webcams

这两个都是需要下载安装的，MATLAB不自带，当然，很简单的，下面介绍如何安装

2.1 安装附加工具

MATLAB运行如下代码，如果没有安装这个附加工具，自动会出现报错：

camList = webcamlist

报错：

直接点击它报错中的链接即可，如果你的MATLAB还没有登录，这时候需要先登录，或者用邮箱注册一个账号。

之后就是安装：

Deep Learning Toolbox for GoogLeNet 的安装与上一个一致，运行一下下面的代码就可以：

net = googlenet;

3、Deep Learning Toolbox 开发工具介绍

Deep Learning Toolbox™ 提供了一个用于通过算法、预训练模型和应用程序来设计和实现深度神经网络的框架。您可以使用卷积神经网络（ConvNet、CNN）和长短期记忆 (LSTM) 网络对图像、时序和文本数据执行分类和回归。应用程序和绘图可帮助您可视化激活值、编辑网络架构和监控训练进度。

对于小型训练集，您可以使用预训练深度网络模型（包括 SqueezeNet、Inception-v3、ResNet-101、GoogLeNet 和 VGG-19）以及从 TensorFlow®-Keras 和 Caffe 导入的模型执行迁移学习。

要加速对大型数据集的训练，您可以将计算和数据分布到桌面计算机上的多核处理器和 GPU 中（使用 Parallel Computing Toolbox™），或者扩展到群集和云，包括 Amazon EC2® P2、P3 和 G3 GPU 实例（使用 MATLAB® Distributed Computing Server™）。

4、代码实战

此示例说明如何使用预训练的深度卷积神经网络 GoogLeNet 实时对来自网络摄像机的图像进行分类。

使用 MATLAB®、普通的网络摄像机和深度神经网络来识别周围环境中的对象。此示例使用 GoogLeNet，它是预训练的深度卷积神经网络（CNN 或 ConvNet），已基于超过一百万个图像进行训练，可以将图像分为 1000 个对象类别（例如键盘、咖啡杯、铅笔和多种动物）。您可以下载 GoogLeNet 并使用 MATLAB 实时连续处理照相机图像。

GoogLeNet 已基于大量图像学习了丰富的特征表示。它以图像作为输入，然后输出图像中对象的标签以及每个对象类别的概率。您可以用周围的物品进行试验，以了解 GoogLeNet 对图像进行分类的准确程度。要了解有关网络对象分类的详细信息，可以实时显示排名前五的类的分数，而不是只显示最终的类决策。

加载照相机和预训练网络
连接到照相机并加载预训练的 GoogLeNet 网络。您可以在此步骤使用任何预训练网络。该示例需要 MATLAB Support Package for USB Webcams，以及 Deep Learning Toolbox™ Model for GoogLeNet Network。如果没有安装所需的支持包，软件会提供下载链接。在报错的红字中有安装的路径(Add-On-Explorer)，只需要点击进去登陆便可以下载此模块：
1、调取摄像头程序：

camList = webcamlist% Connect to the webcam.
cam = webcam(1)preview(cam);img = snapshot(cam);% Display the frame in a figure window.
image(img);for idx = 1:5img = snapshot(cam);image(img);
end%% Once the connection is no longer needed, clear the associated variable.
% clear cam

2、识别显示程序

clear
close all
clc
camera = webcam;
net = googlenet;%% 加载照相机和预训练网络
inputSize = net.Layers(1).InputSize(1:2)figure
im = snapshot(camera);
image(im)
im = imresize(im,inputSize);
[label,score] = classify(net,im);
title({char(label),num2str(max(score),2)});h = figure;while ishandle(h)im = snapshot(camera);image(im)im = imresize(im,inputSize);[label,score] = classify(net,im);title({char(label), num2str(max(score),2)});drawnow
endh = figure;
h.Position(3) = 2*h.Position(3);
ax1 = subplot(1,2,1);
ax2 = subplot(1,2,2);im = snapshot(camera);
image(ax1,im)
im = imresize(im,inputSize);
[label,score] = classify(net,im);
title(ax1,{char(label),num2str(max(score),2)});[~,idx] = sort(score,'descend');
idx = idx(5:-1:1);
classes = net.Layers(end).Classes;
classNamesTop = string(classes(idx));
scoreTop = score(idx);barh(ax2,scoreTop)
xlim(ax2,[0 1])
title(ax2,'Top 5')
xlabel(ax2,'Probability')
yticklabels(ax2,classNamesTop)
ax2.YAxisLocation = 'right';while ishandle(h)% Display and classify the imageim = snapshot(camera);image(ax1,im)im = imresize(im,inputSize);[label,score] = classify(net,im);title(ax1,{char(label),num2str(max(score),2)});% Select the top five predictions[~,idx] = sort(score,'descend');idx = idx(5:-1:1);scoreTop = score(idx);classNamesTop = string(classes(idx));% Plot the histogrambarh(ax2,scoreTop)title(ax2,'Top 5')xlabel(ax2,'Probability')xlim(ax2,[0 1])yticklabels(ax2,classNamesTop)ax2.YAxisLocation = 'right';drawnow
end

MATLAB基于深度学习框架GoogLeNet的网络摄像机图像分类相关推荐

(23) 基于深度学习框架的出租车OD需求预测应用对比
交通预见未来(23): 基于深度学习框架的出租车OD需求预测应用对比文章信息前面看了 OD需求预测的文章,有一些相似之处,拿出来放到一起对比下. 一.<Contextualized Spat ...
生存分析——快手的基于深度学习框架的集成⽣存分析软件KwaiSurvival（一）
看到快手这篇文章,还开源了他们的KwaiSurvival,上手试了试: KwaiSurvival 是快⼿DA⾃主开发的基于深度学习框架的集成⽣存分析软件,帮助使⽤者在 Python编程环境下⾼效地使⽤ ...
书法特征提取matlab,基于深度学习的软笔书法临摹评价方法与流程
本发明属于计算机视觉技术领域,涉及手写汉字行书字体的评价,尤其是一种基于深度学习的软笔书法临摹评价方法. 背景技术: 书法是我国具有几千年历史的传统艺术,是我们中华民族的特色文化代表之一,它不仅记录着 ...
基于深度学习框架的火灾识别报警平台搭建----OpenCV3.1.0读取dav视频数据出错
在搭建深度学习-caffe框架时,使用OpenCV3.1.0读取dav视频数据,出现解析h264数据错误: [h264 ] top block unavailable for requested in ...
手写的汉字评分matlab,基于深度学习的手写汉字美感评分
HANDWRITTEN CHINESE CHARACTER AESTHETIC GRADING BASED ON DEEP LEARNING Zhuang Ziming 1 庄子明(1993-),女, ...
STGCN时空图卷积网络:用于交通预测的深度学习框架
时空图卷积网络:用于交通预测的深度学习框架及时准确的交通预测对城市交通控制和引导至关重要.由于交通流的高度非线性和复杂性,传统的方法不能满足中长期预测任务的要求,往往忽略了空间和时间的相关性.本文提 ...
【论文阅读】Spatio-Temporal Graph Convolutional Networks:...Traffic Forecasting[时空图卷积网络:用于交通预测的深度学习框架]（1）
[论文阅读]Spatio-Temporal Graph Convolutional Networks: A Deep Learning Framework for Traffic Forecastin ...
基于深度学习的表面缺陷检测方法综述-论文阅读笔记
//2022.3.2日阅读笔记原文链接:基于深度学习的表面缺陷检测方法综述 (aas.net.cn) 个人对本篇综述内容的大致概括论文首先介绍了表面缺陷检测中不同场景下的成像方案,主要根据表面颜色 ...
目标检测算法（传统基于深度学习的）
目标检测算法最近在学目标检测各类算法,主要分为传统的目标检测方法和基于深度学习的目标检测算法,这里记录了一些基本的算法介绍.下图是目标检测算法的发展历程传统目标检测方法分三部分:区域选择–> ...

MATLAB基于深度学习框架GoogLeNet的网络摄像机图像分类

文章目录