Matlab以一个图像分类例子总结分类学习的使用方法
目录
前言
导入数据
训练学习
导出训练模型
仿真测试
总结
前言
最近在尝试一些基于Simulink的边沿AI部署，通过这个案例总结Matlab 分类学习功能的使用。本案例通过输入3000张28*28的灰度图像，训练分类学习模型。并验证训练好的模型最后部署到MCU。
导入数据
如下图是用于训练的数据，每一张图片上有一个数字，达到的目标是：训练好模型后，给定一个28*28带数字的灰度图像就可以识别出图像上的数字并输出结果。要训练一个模型首先就是导入数据，如下图就是用于训练的图片。
每一张图片导入到Matlab workspace后都是一个28*28的数组，如下图：
完整的训练数据只需要用脚本把这3000张图像数据整理成一个28*28*3000的数组和对应的标签即可。这里还多了一个步骤就是把uint16的图片数据转换成了0-1的double类型数据进行归一化。如下图就得到了用于训练的x,y两个数组。X是输入的数据3000个28*28数据，Y是对应的答案3000*1个，每张图对应一个结果。
本Demo所使用的图片从0-9，每个数字有300张用于训练的图片。