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
웹사이트 선택
번역된 콘텐츠를 보고 지역별 이벤트와 혜택을 살펴보려면 웹사이트를 선택하십시오. 현재 계신 지역에 따라 다음 웹사이트를 권장합니다:
또한 다음 목록에서 웹사이트를 선택하실 수도 있습니다.
사이트 성능 최적화 방법
최고의 사이트 성능을 위해 중국 사이트(중국어 또는 영어)를 선택하십시오. 현재 계신 지역에서는 다른 국가의 MathWorks 사이트 방문이 최적화되지 않았습니다.
미주
- América Latina (Español)
- Canada (English)
- United States (English)
유럽
- 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)
아시아 태평양
- Australia (English)
- India (English)
- New Zealand (English)
- 中国
- 日本Japanese (日本語)
- 한국Korean (한국어)