このページの翻訳は最新ではありません。ここをクリックして,英語の最新版を参照してください。
ラベル付けアプリと计算机视觉工具箱™のオブジェクトや関数を使用して,グラウンドトゥルースデータからアルゴリズムに学習させることができます。ラベル付けアプリを使用して,ビデオ,イメージシーケンス,イメージコレクション,またはカスタムデータソースのグラウンドトゥルースデータに対話形式でラベルを付けます。そして,ラベル付きデータを使用して学習データを作成し,オブジェクト検出器やセマンティックセグメンテーションネットワークに学習させます。
このワークフローは,イメージラベラーアプリとビデオラベラーアプリのみに適用されます。自动驾驶工具箱™でグラウンドトゥルースラベラー(自动驾驶工具箱)アプリ用の学習データを作成する場合は,関数gatherLabelData
(自动驾驶工具箱)を使用します。
ラベル付け用データの読み込み
イメージラベラー——ファイルまたはImageDatastore
オブジェクトからアプリにイメージコレクションを読み込みます。
ビデオラベラー——ビデオ,イメージシーケンス,またはカスタムデータソースをアプリに読み込みます。
データのラベル付けとオートメーションアルゴリズムの選択: ROIおよびシーンラベルをアプリ内で作成します。詳細は,次を参照してください。
イメージラベラー- - - - - -イメージラベラー入門
ビデオラベラー- - - - - -ビデオラベラー入門
組み込みのアルゴリズムのいずれか1つを選択するか,独自のカスタムアルゴリズムを作成してデータのオブジェクトにラベルを付けることができます。独自のオートメーションアルゴリズムを作成する方法については,ラベル付け用オートメーションアルゴリズムの作成を参照してください。
ラベルのエクスポート:データのラベル付けの後に,ラベルをワークスペースにエクスポートするか,それらをファイルに保存できます。ラベルはgroundTruth
オブジェクトとしてエクスポートされます。データソースが複数のイメージコレクションから構成されている場合,イメージコレクションのセット全体にラベルを付けて,groundTruth
オブジェクトの配列を取得します。groundTruth
オブジェクトの共有の詳細については,ラベル付きのグラウンドトゥルースデータの共有と保存を参照してください。
学習データの作成:groundTruth
オブジェクトから学習データを作成するには,次の関数のいずれかを使用します。
オブジェクト検出器用の学習データ——関数objectDetectorTrainingData
を使用します。
セマンティックセグメンテーションネットワーク用の学習データ——関数pixelLabelTrainingData
を使用します。
ビデオファイルまたはカスタムデータソースを使用して作成したオブジェクトの場合,関数objectDetectorTrainingData
およびpixelLabelTrainingData
がイメージをgroundTruth
のディスクに書き込みます。サンプリング係数を指定して,グラウンドトゥルースデータをサンプリングします。サンプリングによって,類似のサンプルの使用によるオブジェクト検出器の過学習が軽減されます。
アルゴリズムの学習:
オブジェクト検出器——いくつかの计算机视觉工具箱オブジェクト検出器の1つを使用します。検出器の一覧については,オブジェクトの検出を参照してください。自動運転に固有のオブジェクト検出器については,视觉感知(自动驾驶工具箱)にリストされている自动驾驶工具箱のオブジェクト検出器を参照してください。
セマンティックセグメンテーションネットワーク——セマンティックセグメンテーションネットワークの学習の詳細については,深層学習を使用したセマンティックセグメンテーション入門を参照してください。
semanticseg
|objectDetectorTrainingData
|trainRCNNObjectDetector
|trainRCNNObjectDetector
|trainFasterRCNNObjectDetector
|trainACFObjectDetector
|trainYOLOv2ObjectDetector
|trainSSDObjectDetector
|pixelLabelTrainingData