深度学习计算机视觉

语义分割，对象检测和图像识别。深学习综合计算机视觉应用提供深度学习精度先进的算法。MATLAB^®提供了设计，创建和深度学习模型与计算机视觉应用集成的环境。

您可以轻松上手使用计算机视觉等专业功能：

图像和视频标签应用
图像数据存储处理的培训，测试和验证的大量数据
图像和计算机视觉特有的预处理技术
能够从TensorFlow™-Keras和PyTorch导入深度学习模型图像识别

3:06

深度学习计算机视觉使用MATLAB视频

探索工作流

MATLAB有工具来建立与深度学习计算机视觉的定制工作流程。

数据准备

访问

访问和快速，轻松地管理大量数据的ImageDatastore。

合成

在深度学习，这是所有关于获得全面的数据来建立一个精确的模型。数据增强使工程师能够增加样本和样品的种类数，以训练算法。通过增加旋转和缩放变化，使用图像数据增强技术，你的训练图像创建强大的分类更多的训练图像。

标签和预处理

图像和视频标签，其包括像素标记和感兴趣对象区域，可以节省人工标记的无数个小时。使用图像处理工具裁剪，去模糊化，提亮，并培养了网络之前增强图像。

学到更多

网络设计，培训和评估

交互设计网络，采用了NVIDIA加快训练速度^®图形处理器，并获得了良好的效果更快。

设计

进口预训练使用ONNX模型™，然后用深网络设计的应用程序添加，删除或重新排列图层。

训练

无论您是使用一个GPU，GPU的多，云，或NVIDIA DGX，MATLAB支持多GPU训练的一行代码。金宝app

评估

在任何时间点了解您的网络执行。

训练前：使用网络分析仪来分析网络层和确保层的输入/输出的兼容性。
在培训过程中：可视化，同时在任何时候的网络列车和停训验证准确度的曲线图。

学到更多

部署

部署深学习模型的任何地方 - 自动生成代码在ARM原生运行^®和英特尔^®MRL-DNN。导入你的深度学习模型和生成CUDA^®代码，目标TensorRT和CuDNN库。

学到更多