目标检测

使用深度学习开始对象检测（计算机视觉工具箱）

使用深度学习神经网络进行目标检测。

用于对象检测的扩展边界框

此示例演示如何使用计算机视觉工具箱MATLAB®™, 图像处理工具箱™ 作为对象检测工作流的一部分，执行常见类型的图像和边界框增强。

基于R-CNN深度学习的列车目标检测器

这个例子展示了如何使用深度学习和R-CNN（带卷积神经网络的区域）来训练目标检测器。

导入预训练的ONNX YOLO v2对象检测器

这个例子展示了如何导入一个预先训练的ONNX™(Open Neural Network Exchange)，你只看一次(YOLO) v2[1]对象检测网络，并使用它来检测对象。

将YOLO v2对象检测器导出到ONNX

这个示例演示了如何将YOLO v2对象检测网络导出到ONNX™(Open Neural network Exchange)模型格式。

语义分割

使用深度学习开始语义分割（计算机视觉工具箱）

使用深度学习按类分割对象

在深度网络设计器中创建简单的语义分割网络

这个例子展示了如何使用deepnetworkdesigner创建和训练一个简单的语义分段网络。

增强像素标签的语义分割

此示例演示如何使用计算机视觉工具箱MATLAB®™, 图像处理工具箱™ 作为语义分割工作流的一部分，执行常见类型的图像和像素标签增强。

使用扩展卷积的语义分割

使用扩展卷积训练语义分割网络。

基于深度学习的多光谱图像语义分割

此示例演示如何使用U-Net对具有七个通道的多光谱图像执行语义分割。

基于深度学习的三维脑肿瘤分割

这个例子展示了如何训练一个三维U网络神经网络，并从三维医学图像中对脑肿瘤进行语义分割。

使用Tversky损耗定义自定义像素分类层

此示例演示如何定义和创建使用Tversky损耗的自定义像素分类层。

利用grado - cam研究语义分割网络

这个例子展示了如何使用Grad-CAM探索语义分割网络的预测。