深入学习计算机愿景
语义分割，对象检测和图像识别。与深度学习集成的计算机视觉应用提供了具有深度学习精度的先进算法。MATLAB®提供一个环境来设计、创建和集成深度学习模型与计算机视觉应用程序。
你可以很容易地开始使用专门的计算机视觉功能，例如:
- 图像和视频标签应用程序
- 图像数据存储用于处理用于培训、测试和验证的大量数据
- 图像和计算机视觉特定的预处理技术
- 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
MATLAB有工具来构建具有深度学习的计算机视觉定制工作流。
数据准备
访问
快速、轻松地访问和管理大量数据ImageDatastore．
合成
在深度学习中，关键是要有全面的数据来建立精确的模型。数据增强允许工程师增加样本的数量和样本的变化，以训练算法。通过使用图像数据增强技术向训练图像添加旋转和比例方差，创建更多的训练图像来实现鲁棒分类。
标签和预处理
图像和视频标签，包括像素标记和感兴趣的目标区域，可以节省无数的手动标记时间。在训练网络之前，使用图像处理工具对图像进行裁剪、去模糊、增亮和增强。
了解更多
网络设计，培训和评估
交互式设计网络，使用NVIDIA加速培训®GPU，并更快地获得良好的结果。
设计
使用ONNX™导入预训练模型，然后使用深层网络设计器应用程序添加、删除或重新安排层。
培训
无论您使用的是一个GPU、多个GPU、云还是NVIDIA DGX, MATLAB都支持用一行代码进行多GPU训练。金宝app
评价
了解您的网络在任何时间点的执行情况。
- 在培训之前：使用网络分析器分析网络层并确保层输入/输出兼容性。
- 在培训期间:在网络培训和随时停止培训时，可视化验证准确性的图。
- 培训后：使用控制，信号处理和传感器融合组件模拟Simulink的深度学习网络，以评估您的深度学习模型对金宝app系统级性能的影响。
了解更多
部署
在任何地方部署深度学习模型 - 自动生成代码以在ARM上运行®和英特尔®MKL-DNN。导入您的深度学习模型并生成CUDA®代码，定位图特子和CUDNN库。
了解更多
深度学习的计算机视觉示例
MATLAB为特定的深度学习应用提供了工具，如:
目视检查和缺陷检测
自动化检查和缺陷检测对于生产系统的高通量质量控制至关重要。使用MATLAB，您可以开发基于深度学习的方法来检测和定位不同类型的异常。
语义细分
语义分割是将每个像素标记为类别的行为。这是自动驾驶和医学图像处理的关键技术。
对象检测
对象检测使用yolo v2和faster-rcnn等分类技术来识别场景中的对象。
图像和视频分类
使用最新的研究模型和传输学习技术识别图像和视频中的对象。
3D数据
MATLAB通过稀疏和密集的3D技术进行处理3D数据。应用程序包括LIDAR分类和3D堆栈的医学图像。
更多关于计算机愿景的深度学习
深入学习产品:下载188bet金宝搏
获得免费试用
在你的指尖探索30天。
有问题吗?
与深度学习专家交谈。
