Семантическая сегментация

Семантическая сегментация изображений

Семантическая сегментация сопоставляет каждый пиксель изображения с меткой класса, такой как цветок, человек, дорога, небо или автомобиль. Используйте Image Labeler и приложения Video Labeler, чтобы в интерактивном режиме маркировать пиксели и экспортировать данные о метке для того, чтобы обучить нейронную сеть.

Приложения

Image LabelerМаркируйте изображения для приложений компьютерного зрения
Video LabelerМаркируйте видео для приложений компьютерного зрения

Функции

развернуть все

semanticsegСемантическая сегментация изображений с помощью глубокого обучения
semanticSegmentationMetricsСемантические метрики качества сегментации
evaluateSemanticSegmentationОцените семантический набор данных сегментации против наземной истины
labeloverlayНаложите матричные области метки на 2D изображении
countEachLabelСчитайте вхождение пиксельной метки для изображений источника данных
pixelLabelTrainingDataСоздайте данные тренировки для семантической сегментации от наземной истины
pixelLabelDatastoreDatastore для пикселя маркирует данные
pixelLabelImageDatastoreDatastore для семантических сетей сегментации
crop2dLayerСлой нейронной сети в нейронной сети, которая может использоваться, чтобы обрезать входную карту функции
fcnLayersСоздайте полностью сверточные сетевые слои для семантической сегментации
pixelClassificationLayerСоздайте слой классификации пикселей для семантической сегментации
segnetLayersСоздайте слои SegNet для семантической сегментации
unetLayersСоздайте слои U-Net для семантической сегментации

Темы

Семантические основы сегментации

Сегмент возражает классом с помощью глубокого обучения

Маркируйте Pixels for Semantic Segmentation

Маркируйте пиксели для семантической сегментации с помощью Image Labeler, Video Labeler или приложения Ground Truth Labeler.

R-CNN, быстрый R-CNN и более быстрые основы R-CNN

R-CNN, Быстрый R-CNN и Более быстрые основы R-CNN

Хранилища данных для глубокого обучения (Deep Learning Toolbox)

Узнать, как использовать хранилища данных в применении глубокого обучения.

Популярные примеры