主要内容

语义分割

语义图像分割

语义分割将图像的每个像素与类标签联系起来，如花、人、路、天空或汽车。使用图片标志和贴标签机视频应用程序以交互方式标记像素并导出用于训练神经网络的标签数据。

先输入一幅海景图像，然后用一系列立方体表示一个深度学习网络，再输入一幅语义分割的输出图像。

应用程序

图片标志 为计算机视觉应用的标签图像
贴标签机视频 为计算机视觉应用的标签视频

功能

全部展开

结合 合并来自多个数据存储的数据
计数标签 计数像素或盒标签的出现次数
事实真相 地面真值标记数据
图像数据存储 用于图像数据的数据存储
pixelLabelImageDatastore 语义分割网络的数据存储
像素标签数据库 用于像素标签数据的数据存储
pixelLabelTrainingData 创建训练数据从地面真理语义分割
平衡像素标签 通过对大图像中的块位置进行过采样来平衡像素标签
imwarp 对图像应用几何变换
imcrop 作物图像
调整大小 调整图像大小
使改变 变换数据存储
randomAffine2d 创建随机的二维仿射变换
randomWindow2d 在图像中随机选择矩形区域
centerCropWindow2d 创建矩形中心裁剪窗口
deeplabv3plusLayers 创建DeepLab v3+卷积神经网络用于语义图像分割
dicePixelClassificationLayer 使用广义骰子损失创建像素分类层进行语义分割
fcnLayers 为语义分割创建完全卷积的网络层
pixelClassificationLayer 创建像素分类层用于语义分割
赛格莱特 创建SegNet层语义分割
unetLayers 创建用于语义分割的U-Net层
unet3dLayers 创建三维U-Net层用于体积图像的语义分割
聚焦交叉熵 计算焦交叉熵损失
semanticseg 基于深度学习的语义图像分割
labeloverlay 在二维图像上叠加标签矩阵区域
拉伯沃尔秀 显示标签卷
insertObjectMask 在图像或视频流中插入掩码
evaluateSemanticSegmentation 评估语义分割数据集与地面真值
bfscore 用于图像分割的轮廓匹配评分
掷骰子 用于图像分割的Sørensen-Dice相似系数
generalizedDice 用于图像分割的广义Sørensen-Dice相似系数
杰卡德 用于图像分割的Jaccard相似系数
segmentationConfusionMatrix 多类像素级图像分割的混淆矩阵
semanticSegmentationMetrics 语义分割质量度量

主题

开始

标记像素用于语义分割

使用标签应用程序为训练语义分段网络的像素添加标签。

标签应用商店如何导出像素标签

了解标签应用程序如何存储像素标签数据。

选择“功能”以可视化检测到的对象

比较可视化功能。

开始使用掩码R-CNN进行实例分割

使用Mask R-CNN和深度学习执行多类实例分割。

使用深度学习开始语义分割

使用深度学习按类分割对象。

使用深度学习开始点云

了解如何使用点云进行深度学习。

创建语义分割训练数据

用于深度学习的数据存储(深度学习工具箱)

了解如何在深度学习应用程序中使用数据存储。

目标检测和语义分割的训练数据

创建训练数据的对象检测或语义分割使用图片标志或贴标签机视频．

特色的例子

基于扩展卷积的语义分割

基于扩展卷积的语义分割

使用扩展卷积的语义分割。
打开实时脚本
基于深度学习的多光谱图像语义分割

基于深度学习的多光谱图像语义分割

使用U-Net对具有七个通道的多光谱图像执行语义分割。
打开实时脚本
基于深度学习的三维脑肿瘤分割

基于深度学习的三维脑肿瘤分割

训练三维U-Net神经网络，从三维医学图像中对脑肿瘤进行语义分割。
打开实时脚本
定义自定义像素分类层与特沃斯基损失

定义自定义像素分类层与特沃斯基损失

使用Tversky损耗定义自定义像素分类层。
打开实时脚本
利用深度学习从分割图生成图像

利用深度学习从分割图生成图像

从语义分割图生成场景的合成图像。
打开实时脚本
在深度网络设计中训练简单的语义分割网络

在深度网络设计中训练简单的语义分割网络

使用Deep network Designer创建并训练一个简单的语义分段网络。
打开实时脚本
利用Grad-CAM探索语义分割网络

利用Grad-CAM探索语义分割网络

利用grado - cam对语义分割网络进行预测。
打开实时脚本

计算机视觉工具箱文档

金宝app

用MATLAB引入深度学习

用MATLAB引入深度学习

下载电子书