计算机视觉的深度学习
语义分割、目标检测和图像识别。集成了深度学习的计算机视觉应用程序提供了具有深度学习精度的高级算法。马铃薯®提供与计算机视觉应用程序设计，创建和集成深度学习模型的环境。
您可以轻松地开始使用计算机愿景的专用功能，例如：
- 图像和视频标签应用程序
- 图像数据存储来处理大量数据进行培训，测试和验证
- 图像和计算机视觉专用预处理技术
- 能够从Tensorflow™-Keras和Pytorch导入深度学习模型进行图像识别
探索工作流程
Matlab有工具，可以为具有深度学习的计算机愿景构建自定义工作流程。
数据准备
使用权
快速轻松地访问和管理大量数据imageageAtastore.。
合成
在深度学习中，它都是关于拥有全面的数据来构建准确的模型。数据增加允许工程师将样本的数量和样本的变化增加到训练算法。使用图像数据增强技术将旋转和缩放差异添加到训练图像来创建更多培训图像。
标签和预处理
图像和视频标签，包括像素标记和感兴趣的对象区域，可以节省无数小时的手动标记。在培训网络之前，使用图像处理工具进行裁剪，去勒布，提升和增强图像。
了解更多
网络设计、培训和评估
交互设计网络，使用NVIDIA加速培训®gpu，并获得良好的结果更快。
设计
使用Onnx™导入预磨料模型，然后使用深网络设计器应用程序添加，删除或重新排列图层。
训练
无论您是使用一个GPU，许多GPU，云或NVIDIA DGX，Matlab都支持使用一行代码的多GPU培训。金宝app
评估
了解您的网络如何在任何时间点执行。
- 培训前:使用网络分析仪对网络层进行分析，确保层输入输出兼容性。
- 在培训期间：在网络列车的同时可视化验证准确性的情节，并随时停止培训。
- 培训后:在Simulink中用控制、信号处理和传感器融合组件模拟深度学习网络，以评估深度学习模型对系统金宝app级性能的影响。
了解更多
部署
在任何地方部署深度学习模型-自动生成代码在ARM上本机运行®和英特尔®mkl-dnn。导入深度学习模型并生成CUDA®代码，目标TensorRT和CuDNN库。
了解更多
深度学习计算机愿景示例
MATLAB为特定的深度学习应用提供工具，如：
目视检查和缺陷检测
自动检测和缺陷检测对于生产系统中的高通量质量控制至关重要。使用MATLAB，您可以开发基于深入的学习方法，以检测和定位不同类型的异常类型。
语义分割
语义分割是将每个像素标记为一个类别的行为。这是自动驾驶和医学图像处理的关键技术。
对象检测
物体检测使用YOLO v2和Faster-RCNN等分类技术来识别场景中的物体。
图像和视频分类
使用最新的研究模型和迁移学习技术识别图像和视频中的对象。
三维数据
MATLAB使稀疏和密集三维技术处理三维数据成为可能。应用包括激光雷达分类和医学图像的3D堆栈。
更多关于计算机视觉的深度学习
深度学习产品：下载188bet金宝搏
30天的免费试用
开始
有问题吗？
与深入学习专家交谈。
