ディープラーニング:YOLO v2による物体検出と追尾
YOLO v2物体検出器を使って魚の動きを観察します。魚のラベリング(アノテーション)からYOLO v2ネットワークの構築、学習、物体追尾アルゴリズムへの統合、およびCUDA®コード生成によるNVIDIA® Jetson Nano™実装までのワークフローをご紹介します。
ディープラーニングによる物体検出は自動運転、ロボティクス、医用画像、工場の外観検査、インフラ保守、衛星画像等、様々な分野で適用が進んでいます。YOLO v2は物体検出アルゴリズムの中でも高速であることが広く知られています。MATLAB®環境ではラベリングから学習まで一貫した環境の中で試行錯誤が可能です。また、検出結果に対して物体追尾や可視化などの後処理も含めることができます。作成したアルゴリズムはGPU Coder™を活用し、NVIDIA CUDAコードに変換が可能です。また、MATLAB Coder™を活用し、Arm® Compute Library, Intel® Math Kernel Library for Deep Neural Networks (MKL-DNN)を活用したシステムに展開することも可能です。
公開年: 2019 年 11 月 28 日
Website auswählen
Wählen Sie eine Website aus, um übersetzte Inhalte (sofern verfügbar) sowie lokale Veranstaltungen und Angebote anzuzeigen. Auf der Grundlage Ihres Standorts empfehlen wir Ihnen die folgende Auswahl: .
Sie können auch eine Website aus der folgenden Liste auswählen:
So erhalten Sie die bestmögliche Leistung auf der Website
Wählen Sie für die bestmögliche Website-Leistung die Website für China (auf Chinesisch oder Englisch). Andere landesspezifische Websites von MathWorks sind für Besuche von Ihrem Standort aus nicht optimiert.
Amerika
- América Latina (Español)
- Canada (English)
- United States (English)
Europa
- Belgium (English)
- Denmark (English)
- Deutschland (Deutsch)
- España (Español)
- Finland (English)
- France (Français)
- Ireland (English)
- Italia (Italiano)
- Luxembourg (English)
- Netherlands (English)
- Norway (English)
- Österreich (Deutsch)
- Portugal (English)
- Sweden (English)
- Switzerland
- United Kingdom (English)
Asien-Pazifik
- Australia (English)
- India (English)
- New Zealand (English)
- 中国
- 日本Japanese (日本語)
- 한국Korean (한국어)