开始使用语义分割使用深度学习
分割图像分析任务至关重要。语义分割描述的过程将每个像素的图像与一个类标签,(如花,人,路,天空,海洋,或车)。
对语义分割应用程序包括:
自主驾驶
工业检测
地形分类中可见卫星图像
医学影像分析
标签训练数据的语义分割
大型数据集可以更快和更准确的映射到一个特定的输入(或输入方面)。使用数据扩充提供了一种利用有限的训练数据集。微小的变化,如翻译、裁剪或改变一个图像提供了新的不同的和独特的图像。看到增强图像的深度学习工作流使用图像处理工具箱(深度学习工具箱)
您可以使用图片标志,贴标签机视频,或地面实况贴标签机(自动驾驶工具箱)(可在自动驾驶的工具箱™)应用程序交互式地标签像素和出口标签数据进行训练。应用程序还可以用于标签矩形感兴趣的区域(roi)和场景图像分类的标签。
训练和测试一个语义分割网络
训练一个语义分割网络的步骤如下:
3所示。火车一个语义分割网络
4所示。评估和检查语义分割的结果
段对象使用Pretrained DeepLabv3 +网络
MathWorks®GitHub库提供了实现的最新pretrained深度学习网络下载和使用进行开箱即用的推理。
对所有最新的列表MathWorks pretrained语义分割模型和例子,看看MATLAB深度学习(GitHub)。
另请参阅
应用程序
功能
semanticseg
|semanticSegmentationMetrics
|evaluateSemanticSegmentation
|pixelLabelDatastore
|segnetLayers
|fcnLayers
|unet3dLayers
|unetLayers
对象
相关的例子
- 增加像素标签语义分割(深度学习工具箱)
- 进口像素标记数据集语义分割
- 语义分割使用深度学习
- 标签像素为语义分割
- 自定义像素分类层和特沃斯基的损失
- 语义分割使用扩张的隆起
- 计算细分指标的基于块的工作流
- 探索使用Grad-CAM语义分割网络
更多关于
- 深度学习在MATLAB(深度学习工具箱)