用于语义分割的标签训练数据

大型数据集能够更快、更准确地映射到特定的输入(或输入方面)。使用数据增强提供了一种利用有限的数据集进行培训的方法。微小的更改，如翻译、裁剪或转换图像，可以提供新的独特的图像。看到使用图像处理工具箱增强图像用于深度学习工作流(深度学习工具箱)

你可以使用图片标志，贴标签机视频,或地面实况贴标签机(自动驾驶工具箱)(可在自动驾驶工具箱™)应用程序，以交互标签像素和导出标签数据的训练。该应用还可以用于标记感兴趣的矩形区域(roi)和图像分类的场景标签。

训练和测试一个语义分割网络

语义分割网络的训练步骤如下:

1.分析训练数据进行语义分割

2.创建一个语义分割网络

3.训练一个语义分割网络

4.评估和检查语义切分的结果

使用预先训练的DeepLabv3+网络分割对象

MathWorks^®GitHub存储库提供了最新的预训练深度学习网络的实现，可下载并用于执行开箱即用的推理。

使用DeepLabv3+深度学习网络对图像进行语义分割，从预先训练的DeepLabv3+语义分割网络GitHub库。该网络在Pascal VOC数据集上进行训练，可以分割20个不同的对象类，包括飞机、公共汽车、汽车、火车、人和马。

有关所有最新的MathWorks预训练模型和示例的列表，请参见MATLAB深度学习(GitHub)．