使用深度学习开始使用语义分割
分段对于图像分析任务至关重要。语义细分描述将图像的每个像素与类标签相关联的过程(例如花那人那路那天空那海洋, 或者车)。
语义细分的应用程序包括:
自动驾驶
工业检验
在卫星图像中可见的地形分类
医学成像分析
标签培训数据用于语义分割
大型数据集能够更快,更准确地映射到特定输入(或输入方面)。使用数据增强提供了利用有限数据集进行培训的方法。轻微的更改,例如翻译,裁剪或转换图像提供了新的不同和唯一的图像。看使用图像处理工具箱增强图像的深度学习工作流程(深度学习工具箱)
你可以使用图像贴标器那视频贴图, 或者地面真理贴标机(自动驾驶工具箱)(可用于自动化驾驶工具箱™)应用程序,以交互方式标记像素和导出标签数据进行培训。该应用程序还可用于标记图像分类的矩形感兴趣的感兴趣区域(ROI)和场景标签。
火车和测试语义分割网络
培训语义分段网络的步骤如下:
2。创建语义分段网络
3。培训语义分割网络
使用佩戴物的段对象
MathWorks.®GitHub存储库提供最新的预磨削深度学习网络的实现,以便在箱内推断下载和使用。
有关所有最新的MathWorks预借用语义分段模型和示例的列表,请参阅matlab深度学习(GitHub)。
也可以看看
应用
职能
对象
相关例子
- 增强像素标签,用于语义分割(深度学习工具箱)
- 导入标记数据集的像素标记的语义分段
- 利用深度学习的语义分割
- 语义分割标记像素
- 使用Tversky丢失定义自定义像素分类层
- 使用扩张卷积的语义分割
- 计算基于块的工作流程中的分段度量
- 使用Grad-Cam探索语义分割网络
更多关于
- 在Matlab中深入学习(深度学习工具箱)