다음 명령을 실행하여 필요한 다운로드를 받아서 웹캠을 연결하고 사전 훈련된 신경망을 가져옵니다.

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

webcam 애드온을 설치해야 하는 경우 함수에서 링크가 포함된 메시지를 표시합니다. 이 링크를 통해 애드온 탐색기를 사용하여 무료 애드온을 다운로드할 수 있습니다. 또는 MATLAB Support Package for USB Webcams를 참조하십시오.

SqueezeNet은 사전 훈련된 컨벌루션 신경망(CNN)입니다. 1백만 개가 넘는 영상에 대해 훈련된 SqueezeNet은 영상을 키보드, 마우스, 커피 머그잔, 연필, 각종 동물 등 1,000가지 사물 범주로 분류할 수 있습니다.

다음 코드를 실행하여 라이브 영상을 표시하고 분류합니다. 웹캠으로 사물을 가리키면 신경망에서 웹캠이 보여주는 사물이 어떤 클래스인지 추정해서 보고합니다. 사용자가 Ctrl+C를 누를 때까지 신경망은 계속해서 영상을 분류합니다. 이 코드는 imresize를 사용하여 신경망에 적합하게 영상 크기를 조정합니다.

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

이 예제에서 신경망은 커피 머그잔을 올바르게 분류합니다. 주변의 사물을 사용하여 신경망이 얼마나 정확한지 실험해 보십시오.

이 예제를 비디오로 시청하려면 Deep Learning in 11 Lines of MATLAB Code를 참조하십시오.

이 예제를 확장하여 클래스의 확률 점수를 표시하는 방법을 알아보려면 딥러닝을 사용하여 웹캠 영상 분류하기 항목을 참조하십시오.

딥러닝의 다음 단계로 넘어가서 다른 작업에도 사전 훈련된 신경망을 사용해 볼 수 있습니다. 전이 학습이나 특징 추출을 사용하여 영상 데이터를 대상으로 새로운 분류 문제를 풀어 보십시오. 예제는 전이 학습을 사용하여 더 빠르게 딥러닝 시작하기 및 사전 훈련된 신경망에서 추출한 특징을 사용하여 분류기 훈련시키기 항목을 참조하십시오. 다른 사전 훈련된 신경망을 사용해 보려면 사전 훈련된 심층 신경망 항목을 참조하십시오.