Обнаружение объектов

Начало работы с обнаружением объектов Используя глубокое обучение (Computer Vision Toolbox)

Обнаружение объектов с помощью глубоких нейронных сетей.

Увеличьте ограничительные рамки для обнаружения объектов

В этом примере показано, как использовать MATLAB®, Computer Vision Toolbox™ и Image Processing Toolbox™, чтобы выполнить общие виды поля изображения и увеличения ограничительной рамки как часть рабочих процессов обнаружения объектов.

Обучите детектор объектов Используя глубокое обучение R-CNN

В этом примере показано, как обучить детектор объектов с помощью глубокого обучения и R-CNN (области со Сверточными нейронными сетями).

Импортируйте Предварительно обученный детектор объектов ONNX YOLO v2

В этом примере показано, как импортировать предварительно обученный ONNX™ (Открытый Exchange Нейронной сети) вы только смотрите однажды (YOLO) v2 сеть обнаружения объектов и использовать его, чтобы обнаружить объекты.

Экспортируйте детектор объектов YOLO v2 в ONNX

В этом примере показано, как экспортировать сеть обнаружения объектов YOLO v2 в формат модели ONNX™ (Open Neural Network Exchange).

Семантическая Сегментация

Начало работы с Семантической Сегментацией Используя глубокое обучение (Computer Vision Toolbox)

Сегментация объектов по классам с использованием глубокого обучения

Увеличьте пиксельные метки для Семантической Сегментации

В этом примере показано, как использовать MATLAB®, Computer Vision Toolbox™, и Image Processing Toolbox™, чтобы выполнить общие виды изображения и пикселя помечает увеличение как часть рабочих процессов семантической сегментации.

Семантическая Сегментация с Использованием Расширенных Сверток

Обучите сеть семантической сегментации с помощью расширенных сверток.

Семантическая Сегментация многоспектральных изображений Используя глубокое обучение

В этом примере показано, как обучить сверточную нейронную сеть U-Net выполнять семантическую сегментацию многоспектрального изображения с семью каналами: три цветовых канала, три почти инфракрасных канала и маска.

3-D сегментация опухоли головного мозга Используя глубокое обучение

В этом примере показано, как обучить 3-D нейронную сеть U-Net и выполнить семантическую сегментацию опухолей головного мозга от 3-D медицинских изображений.

Задайте пользовательский слой классификации пикселей с потерей Tversky

В этом примере показано, как задать и создать пользовательский слой классификации пикселей, который использует потерю Tversky.