图像分割对于图像分析任务至关重要。语义分割描述将图像的每个像素与类标签关联的过程(例如花,人,路,天,大海或车).
语义分段的应用包括:
自动驾驶
工业检验
卫星图像中可见地形的分类
医学影像分析
大型数据集能够更快、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的数据集进行培训的方法。微小的更改,如翻译、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用于深度学习工作流(深度学习工具箱)
你可以使用图片标识,视频贴标机或地面真理贴标机(自动驾驶工具箱)(在自动驾驶工具箱中提供™) 应用程序以交互方式标记像素并导出用于培训的标签数据。该应用程序还可用于标记矩形感兴趣区域(ROI)和用于图像分类的场景标签。
培训语义分段网络的步骤如下:
2.创建语义分段网络
迈斯沃克®GitHub repository提供了最新的预训练深度学习网络的实现,可供下载并用于执行开箱即用的推理。
要使用DeepLabv3+深度学习网络执行图像语义分割,请从预训练的DeepLabv3+语义切分网络GitHub存储库。该网络在Pascal VOC数据集上训练,可以分割20个不同的对象类,包括飞机、公共汽车、汽车、火车、人和马。
有关所有最新MathWorks预训练模型和示例的列表,请参阅MATLAB深度学习(GitHub).