用于语义分割的标签训练数据

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。

训练和测试语义分割网络

培训语义分段网络的步骤如下：

1.分析训练数据进行语义分割

2.创建语义分段网络

3.训练一个语义分割网络

4.评估和检查语义分割的结果

使用预训练的DeepLabv3+网络分割对象

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).