このページは前リリースの情報です。該当の英語のページはこのリリースで削除されています。
畳み込みニューラルネットワーク(CNN,または事先)は深層学習に不可欠なツールであり,特にイメージの分類,オブジェクトの検出および認識タスクに役立ちます。CNNは相互接続された一連の層として実装されます。これらの層は,畳み込み層,ReLU(正規化線形ユニット)およびプーリング層のブロックの繰り返しで構成されています。畳み込み層では,一連のフィルターを使用して入力の畳み込みが行われます。フィルターは,ネットワークの学習中に自動的に学習されています。ReLU層は,ネットワークに非線形性を追加します。これにより,ネットワークでイメージピクセルとイメージのセマンティクスコンテンツの間での非線形マッピングの近似が可能になります。プーリング層は入力をダウンサンプリングして,局所的なイメージ特徴の統合を促進します
畳み込みニューラルネットワークには深度学习工具箱™が必要です。学習と予測は以3.0计算能力上のCUDA®対応GPUでサポートされます。GPUを使用することが推奨され,これには并行计算工具箱™が必要になります
CNNアーキテクチャを構築し,セマンティックセグメンテーションを使用してネットワークを学習させ,学習済みのネットワークを使用してクラスラベルを予測したり,オブジェクトを検出したりできます。また,事前学習済みのネットワークから特徴を抽出し,これらの特徴を使用して分類器を学習させることもできます。さらに,転移学習を実行して,新しいデータでCNNの再学習を行うことができます。また,イメージラベラー、ビデオラベラー,特徴抽出器,および分類器を使用してカスタム検出器を作成できます
可視化関数を比較する。
深層学習ニューラルネットワークを使用したオブジェクト検出。
R-CNN R-CNN,快,快R-CNNの基礎
面具R-CNNと深層学習を使用してマルチクラスインスタンスセグメンテーションを実行する。
你只看一次(YOLO)意思v2の基礎
シングルショット検出の基礎。
深層学習のオブジェクトの検出で使用されるアンカーボックスの基礎
深層学習用のデータストア(深度学习工具箱)
深層学習アプリケーションでデータストアを使用する方法を学びます。
オブジェクト検出およびセマンティックセグメンテーション用の学習データ
イメージラベラーやビデオラベラーを使用して,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の学習データを作成します。
ディープネットワークデザイナー(深度学习工具箱)
深層学習層の一覧(深度学习工具箱)
MATLAB®のすべての深層学習層を確認できます。
MATLABによる深層学習(深度学习工具箱)
畳み込みニューラルネットワークを使用して分類や回帰を行うMATLABの深層学習機能を確認します。これには,事前学習済みのネットワークと転移学習のほか,CPU、GPU,クラスター,およびクラウドでの学習が含まれます。
事前学習済みの深層ニューラルネットワーク(深度学习工具箱)
分類,転移学習,特徴抽出用の事前学習済みの畳み込みニューラルネットワークのダウンロード方法と使用方法を学習します。