matlab cnn 目标识别 代码

下面是一个用MATLAB实现目标识别的CNN代码示例：

% 加载数据集
load('cifar10testdata.mat')
load('cifar10testLabels.mat')

% 创建CNN
layers = [
    imageInputLayer([32 32 3])
    
    convolution2dLayer(5,20)
    batchNormalizationLayer
    reluLayer
    maxPooling2dLayer(2,'Stride',2)
    
    convolution2dLayer(5,50)
    batchNormalizationLayer
    reluLayer
    maxPooling2dLayer(2,'Stride',2)
    
    fullyConnectedLayer(500)
    reluLayer
    fullyConnectedLayer(10)
    softmaxLayer
    classificationLayer];

% 设置训练选项
options = trainingOptions('sgdm', ...
    'InitialLearnRate',0.01, ...
    'MaxEpochs',20, ...
    'Shuffle','every-epoch', ...
    'ValidationData',{testData,testLabels}, ...
    'Plots','training-progress', ...
    'Verbose',false);

% 训练CNN
net = trainNetwork(trainData,trainLabels,layers,options);

% 预测测试集
predictedLabels = classify(net,testData);

% 计算分类精度
accuracy = sum(predictedLabels == testLabels)/numel(testLabels);
fprintf('Accuracy: %f\n',accuracy);

这是一个简单的CNN，包含两个卷积层，两个池化层和两个全连接层。训练选项使用随机梯度下降法（sgdm），学习率为0.01，最大训练轮次为20。在训练过程中，每个epoch都会重新打乱数据集，同时在验证集上进行验证。训练完成后，使用测试集进行预测并计算分类精度。