Exponenta Banner

Глубокое обучение, семантическая сегментация и обнаружение

Глубокое обучение и сверточные сети, семантическая сегментация изображений, обнаружение объектов, распознавание, разметка достоверных данных, мешок функций, сравнения с шаблонами и фоновой оценки.

Computer Vision Toolbox™ поддерживает несколько подходов для классификации изображений, обнаружения объектов и распознавания, включая:

  • Глубокое обучение и Сверточные нейронные сети (CNNs)

  • Мешок функций

  • Сравнение с шаблонами

  • Анализ блоба

  • Алгоритм Виолы - Джонса

  • Интерактивные приложения для разметки достоверных данных

CNN является популярной архитектурой глубокого обучения, которая автоматически изучает полезные представления функции непосредственно от данных изображения. Мешок функций кодирует функции изображений в компактное представление, подходящее для классификации изображений и извлечения изображений. Сравнение с шаблонами использует маленькое изображение или шаблон, чтобы найти соответствие с областями в увеличенном изображении. Анализ блоба использует сегментацию и свойства блоба идентифицировать предметы интереса. Алгоритм Виолы - Джонса использует подобные Хаару функции и каскад классификаторов, чтобы идентифицировать объекты, включая поверхности, носы и глаза. Можно обучить этот классификатор распознавать другие объекты.

Подсвеченные темы

Популярные примеры

Object Detection Using Deep Learning

Обнаружение объектов Используя глубокое обучение

Обучите объектный детектор с помощью глубокого обучения и R-CNN (области со Сверточными Нейронными сетями).

Скрипт Open Live Script
Object Detection Using YOLO v2 Deep Learning

Обнаружение объектов Используя глубокое обучение YOLO v2

Обучите объектный детектор с помощью, "вы только смотрите однажды" (YOLO) v2 метод глубокого обучения

Скрипт Open Live Script
Semantic Segmentation of Multispectral Images Using Deep Learning

Семантическая сегментация многоспектральных изображений Используя глубокое обучение

Обучите сверточную нейронную сеть U-Net, чтобы выполнить семантическую сегментацию многоспектрального изображения с семью каналами: три цветовых канала, три почти инфракрасных канала и маска.

Скрипт Open Live Script
Документация Computer Vision Toolbox
Поддержка