Computer Vision Using Deep Learning

Extend deep learning workflows with computer vision applications

通过使用Deep Learning Toolbox™将深度学习与计算机视觉工具箱™一起应用于计算机视觉应用程序。

应用

图像标签	Label images for computer vision applications
视频标签	Label video for computer vision applications

`BoxLabeldatastore`	用于边界框标签数据的数据存储
`pixelLabelDatastore`	像素标签数据的数据存储

`deeplabv3pluslayers`	创建DeepLab V3+卷积神经网络，以进行语义图像分割
`segnetLayers`	创建用于语义细分的侦察层
`未扎layerers`	创建用于语义细分的U-NET层
`unet3dLayers`	创建3-D U-NET层用于体积图像的语义分割

`rcnnobjectDetector`	Detect objects using R-CNN deep learning detector
`fastrcnnobjectDetector`	使用快速R-CNN深度学习检测器检测对象
`pasterrcnnobjectdetector`	Detect objects using Faster R-CNN deep learning detector
`ssdobjectDetector`	使用SSD深度学习检测器检测对象
`Yolov2ObjectDetector`	Detect objects using YOLO v2 object detector
`yolov3ObjectDetector`	Detect objects using YOLO v3 object detector
`yolov4ObjectDetector`	使用Yolo V4对象检测器检测对象
`maskrcnn`	Detect objects using Mask R-CNN instance segmentation

detectTextCRAFT Detect texts in images by using CRAFT deep learning model

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的对象检测。
增强边界框以进行对象检测
这example shows how to perform common kinds of image and bounding box augmentation as part of object detection workflows.
Train Object Detector Using R-CNN Deep Learning
这example shows how to train an object detector using deep learning and R-CNN (Regions with Convolutional Neural Networks).
Import Pretrained ONNX YOLO v2 Object Detector
此示例显示了如何导入预处理的ONNX™（开放神经网络交换），您只看一次（YOLO）v2 [1]对象检测网络并使用它来检测对象。
Export YOLO v2 Object Detector to ONNX
这example shows how to export a YOLO v2 object detection network to ONNX™ (Open Neural Network Exchange) model format.

Getting Started with Semantic Segmentation Using Deep Learning（计算机视觉工具箱）
Segment objects by class using deep learning.
在深网设计师中训练简单的语义分割网络
此示例显示了如何使用Deep Network Designer创建和训练简单的语义分割网络。
Augment Pixel Labels for Semantic Segmentation
此示例显示了如何作为语义分割工作流程的一部分执行常见的图像和像素标签增强。
Semantic Segmentation Using Dilated Convolutions
Train a semantic segmentation network using dilated convolutions.
使用深度学习对多光谱图像的语义分割
此示例显示了如何使用U-NET使用七个通道对多光谱图像进行语义分割。
使用深度学习的3-D脑肿瘤分割
此示例显示了如何训练3-D U-NET神经网络并从3D医学图像对脑肿瘤进行语义分割。
用Tversky损失定义自定义像素分类层
这example shows how to define and create a custom pixel classification layer that uses Tversky loss.
Explore Semantic Segmentation Network Using Grad-CAM
这example shows how to explore the predictions of a semantic segmentation network using Grad-CAM.
Generate Adversarial Examples for Semantic Segmentation（计算机视觉工具箱）
使用基本迭代方法（BIM）生成语义分割网络的对抗示例。

使用深度学习从视频和光流数据中识别活动
该示例首先显示了如何使用预估计的3-D（I3D）两流卷积神经网络基于基于的视频分类器的识别活动识别[1]。
Gesture Recognition using Videos and Deep Learning
Perform gesture recognition using a pretrained SlowFast video classifier.