主要内容
使用深度学习开始语义分割
分割对于图像分析任务是必不可少的。语义分割描述将图像的每个像素与类标签(例如花，人，路，天空，海洋,或车）.
语义切分的应用包括:
自主驾驶
工业检测
卫星图像可见地形的分类
医学影像分析
训练一个语义分割网络
训练语义切分网络的步骤如下:
用于语义分割的标签训练数据
大型数据集可以更快更准确地映射到特定的输入(或输入方面)。使用数据增强提供了一种利用有限数据集进行训练的方法。微小的改变，如平移、裁剪或转换图像，可以提供新的、独特的图像。看到使用图像处理工具箱增强图像的深度学习工作流(深度学习工具箱)
你可以使用图片标志，贴标签机视频,或地面实况贴标签机(自动驾驶工具箱)(可在自动驾驶工具箱™)应用程序交互式标签像素和导出标签数据的培训。该应用程序还可以用于标记感兴趣的矩形区域(roi)和场景标签，用于图像分类。
另请参阅
应用程序
功能
evaluateSemanticSegmentation|fcnLayers|pixelLabelDatastore|segnetLayers|semanticseg|semanticSegmentationMetrics|unet3dLayers|unetLayers
对象
相关的例子
- 扩大像素标签语义分割(深度学习工具箱)
- 导入像素标记数据集进行语义分割
- 基于深度学习的语义切分
- 标签像素的语义分割
- 定义自定义像素分类层Tversky损失
- 使用扩展卷积的语义分割
- 在基于块的工作流中计算分割度量
- 研究基于grada - cam的语义切分网络
更多关于
- MATLAB中的深度学习(深度学习工具箱)
你也可以从以下列表中选择一个网站:
