Сегментация важна для задач анализа изображения. Semantic segmentation описывает процесс соединения каждого пикселя изображения с меткой класса, (такой как цветок, человек, дорога, небо, океан или автомобиль).
Приложения для семантической сегментации включают:
Автономное управление автомобилем
Промышленный контроль
Классификация ландшафта, видимого в спутниковых снимках
Медицинский анализ обработки изображений
Шаги для того, чтобы обучить сеть семантической сегментации следующие:
1. Анализируйте обучающие данные для Семантической Сегментации
2. Создайте сеть Семантической Сегментации
Большие наборы данных включают более быстрое и более точное отображение с конкретным входом (или введите аспект). Используя данные увеличение обеспечивает средние значения усиления ограниченных наборов данных для обучения. Незначительные изменения, такие как перевод, обрезка или преобразование изображения обеспечивают новые отличные и уникальные изображения. Смотрите Изображения Приращения для Рабочих процессов Глубокого обучения Используя Image Processing Toolbox (Deep Learning Toolbox)
Можно использовать Image Labeler, Video Labeler или Ground Truth Labeler (Automated Driving Toolbox) (доступный в Automated Driving Toolbox™) приложения, чтобы интерактивно помечать пиксели и экспортировать данные о метке для обучения. Приложение может также использоваться, чтобы пометить прямоугольные видимые области (ROIs) и метки сцены для классификации изображений.
evaluateSemanticSegmentation
| fcnLayers
| pixelLabelDatastore
| segnetLayers
| semanticseg
| semanticSegmentationMetrics
| unet3dLayers
| unetLayers