La traduction de cette page n'est pas à jour. Cliquez ici pour voir la dernière version en anglais.

Essayer le Deep Learning en 10 lignes de code MATLAB

Cet exemple montre comment utiliser le Deep Learning pour identifier des objets sur une webcam live avec seulement 10 lignes de code MATLAB^®. Essayez cet exemple pour voir comme il est simple de démarrer avec le Deep Learning dans MATLAB.

1. Exécutez ces commandes pour obtenir les téléchargements (si nécessaire), vous connecter à la webcam et obtenir un réseau de neurones préentraîné.

   camera = webcam;  % Connect to the camera
   net = squeezenet; % Load the neural network

   Si vous devez installer le module supplémentaire webcam, un message apparaît depuis la fonction avec un lien pour vous aider à télécharger le module supplémentaire gratuit avec Add-On Explorer. Vous pouvez également consulter MATLAB Support Package for USB Webcams (support package MATLAB pour les webcams USB).

   SqueezeNet est un réseau de neurones à convolution (CNN) préentraîné sur plus d’un million d'images, qui peut classer des images dans 1 000 catégories d’objets (comme un clavier, une souris, une tasse à café, un crayon et de nombreux animaux).

2. Exécutez le code suivant pour afficher et classer les images live. Pointez la webcam sur un objet et le réseau de neurones indiquera quelle est, selon lui, la classe de l'objet montré par la webcam. Il continuera à classer les images jusqu’à ce que vous appuyiez sur Ctrl+C. Le code redimensionne l’image pour le réseau en utilisant imresize.

   while true
       im = snapshot(camera);       % Take a picture
       image(im);                   % Show the picture
       im = imresize(im,[227 227]); % Resize the picture for squeezenet
       label = classify(net,im);    % Classify the picture
       title(char(label));          % Show the class label
       drawnow
   end

   Dans cet exemple, le réseau classifie correctement une tasse à café. Entraînez-vous avec des objets autour de vous pour constater la précision du réseau.

   

   Pour regarder une vidéo de cet exemple, voir Deep Learning in 11 Lines of MATLAB Code.

   Pour savoir comment étendre cet exemple et afficher les scores de probabilité des classes, consultez Classify Webcam Images Using Deep Learning.

   Pour les étapes suivantes du Deep Learning, vous pouvez utiliser le réseau préentraîné pour d’autres tâches. Résolvez de nouveaux problèmes de classification sur vos images avec l’apprentissage par transfert ou l’extraction de caractéristiques. Vous trouverez des exemples dans Start Deep Learning Faster Using Transfer Learning et Train Classifiers Using Features Extracted from Pretrained Networks. Pour essayer d’autres réseaux préentraînés, consultez Pretrained Deep Neural Networks.

Voir aussi

trainNetwork | trainingOptions | squeezenet

Sujets associés

• Classify Webcam Images Using Deep Learning
• Classer une image avec un réseau préentraîné
• En savoir plus sur l’apprentissage par transfert
• Prepare Network for Transfer Learning Using Deep Network Designer
• Créer un réseau simple de classification d’image
• Utiliser Deep Network Designer pour créer un réseau simple de classification de séquences