目次
1. アルゴリズム操作レンダリングのプレビュー
2.アルゴリズム実行ソフトウェアバージョン
マットラボ2022a
3. いくつかのコアプログラム
clc;
clear;
close all;
warning off;
addpath(genpath(pwd));
rng('default')
load FRCNN.mat
In_layer_Size = [224 224 3];
imgPath = 'smoke_train/'; % 图像库路径
imgDir = dir([imgPath '*.jpg']); % 遍历所有jpg格式文件
cnt = 0;
for i = 1:length(imgDir) % 遍历结构体就可以一一处理图片了
i
if mod(i,12)==1
figure
end
cnt = cnt+1;
subplot(3,4,cnt);
img = imread([imgPath imgDir(i).name]); %读取每张图片
I = imresize(img,In_layer_Size(1:2));
[bboxes,scores] = detect(detector,I);
[Vs,Is] = max(scores);
if isempty(bboxes)==0
I1 = insertObjectAnnotation(I,'rectangle',bboxes(Is,:),Vs);
else
I1 = I;
Vs = 0;
end
imshow(I1)
title(['检测置信度:',num2str(Vs)]);
if cnt==12
cnt=0;
end
end
0056
4. アルゴリズム理論の概要
Faster R-CNN 深層学習ネットワークに基づく従業員喫煙行動検出アルゴリズムは、深層学習技術を使用して従業員の喫煙行動を検出する方法です。このアルゴリズムは主に Faster R-CNN ネットワーク構造に基づいており、ビデオまたは画像シーケンス内のターゲットを検出し、人物の特徴を抽出することで喫煙行動の検出を実現します。
- アルゴリズム原理
このアルゴリズムの原理は、主に領域提案、特徴抽出、ターゲット分類の 3 つのステップに分かれています。
（１）地域提案
リージョン提案段階では、アルゴリズムによりリージョン提案ネットワーク (RPN) を通じて一連のターゲット リージョンが生成されます。RPN は、畳み込みニューラル ネットワーク (CNN) に基づいたニューラル ネットワーク構造であり、入力画像に対して畳み込み演算を実行することにより、画像の特徴マップを抽出し、あらかじめ設定されたルールに従って一連の対象領域を生成します。これらのターゲット領域には、顔やタバコなどのターゲットが含まれる場合がありますが、背景情報は含まれません。
(2) 特徴抽出
特徴抽出段階では、アルゴリズムにより、抽出されたターゲット領域が特徴抽出のために畳み込みニューラル ネットワーク (CNN) に入力されます。CNN は、入力データに対して畳み込み演算を実行することでデータの特徴を抽出する深層学習ネットワーク構造です。対象領域に対して畳み込み演算を行うことにより、対象領域の特徴マップを得ることができる。
(3) 対象分類
ターゲット分類段階では、アルゴリズムは抽出された特徴マップを全結合層 (FC) に入力し、分類と境界補正を行います。FC は、入力データをターゲット ラベル空間にマッピングするために使用される深層学習ネットワーク構造です。特徴マップに対して全結合演算を行うことで、対象領域の分類結果と境界情報を得ることができます。
このアルゴリズムの主な式には、畳み込みニューラル ネットワーク (CNN) の式、RPN の式、FC の式が含まれます。
(1) 畳み込みニューラルネットワーク(CNN)の公式
CNN は一般的に使用される深層学習ネットワーク構造であり、主に画像の特徴抽出に使用されます。その基本構造には、複数の畳み込み層、プーリング層、および全結合層が含まれます。このうち、畳み込み層は入力画像に対して畳み込み演算を実行して画像の特徴を抽出するために使用され、プーリング層は特徴マップをダウンサンプリングしてネットワーク パラメーターの数を削減するために使用され、完全接続層はマッピングに使用されます。分類や回帰などのタスクのためのターゲット ラベル空間への特徴マップ。
CNN の計算式は次のとおりです。
(2)RPN計算式
RPN は、一連のターゲット領域を生成するために使用される CNN ベースのターゲット領域生成ネットワークです。基本的な構造は CNN と似ていますが、最後の畳み込み層の後に 2 つの全結合層が追加され、バウンディング ボックス情報と対象領域の信頼度情報が生成されます。RPN の計算式は次のとおりです。
(3)FC式
FC は、入力データをターゲット ラベル空間にマッピングするために使用される深層学習ネットワーク構造です。その基本構造は全結合層であり、各ノードは前の層のすべてのノードに接続されます。
FC の式は次のとおりです。
5. アルゴリズム完全プログラムエンジニアリング
おおおお
ああ
○