Применение глубокого обучения к приложениям компьютерного зрения с помощью Deep Learning Toolbox™ совместно с Computer Vision Toolbox™.
| Маркировщик изображений | Изображения наклеек для приложений компьютерного зрения |
| Этикетировщик видео | Наклейка видео для приложений компьютерного зрения |
boxLabelDatastore | Хранилище данных для данных метки ограничивающей рамки |
pixelLabelDatastore | Хранилище данных для данных пиксельной метки |
pixelLabelImageDatastore | Хранилище данных для семантических сетей сегментации |
Начало работы с обнаружением объектов с помощью глубокого обучения (панель инструментов компьютерного зрения)
Обнаружение объектов с помощью нейронных сетей глубокого обучения.
Дополнительные ограничивающие рамки для обнаружения объектов
В этом примере показано, как использовать MATLAB ®, Computer Vision Toolbox™ и Toolbox™ обработки изображений для выполнения обычных видов увеличения изображения и ограничивающей рамки в рамках рабочих процессов обнаружения объектов.
Детектор обучаемых объектов с помощью глубокого обучения R-CNN
В этом примере показано, как обучить детектор объектов с помощью глубокого обучения и R-CNN (области со сверточными нейронными сетями).
Импорт предварительно обученного детектора объектов ONNX YOLO v2
В этом примере показано, как импортировать предварительно подготовленный ONNX™ (Open Neural Network Exchange), который можно просматривать только один раз (YOLO) v2 [1], и использовать его для обнаружения объектов .
Экспорт детектора объектов YOLO v2 в ONNX
В этом примере показано, как экспортировать сеть обнаружения объектов YOLO v2 в формат модели ONNX™ (Open Neural Network Exchange).
Начало работы с семантической сегментацией с помощью глубокого обучения (панель инструментов компьютерного зрения)
Сегментация объектов по классам с использованием глубокого обучения
Создание простой семантической сети сегментации в конструкторе глубоких сетей
В этом примере показано, как создать и обучить простую семантическую сеть сегментации с помощью Deep Network Designer.
Увеличить пиксельные метки для семантической сегментации
В этом примере показано, как использовать MATLAB ®, Computer Vision Toolbox™ и Toolbox™ обработки изображений для выполнения обычных видов увеличения изображения и пиксельной метки в рамках процессов семантической сегментации.
Семантическая сегментация с использованием расширенных сверток
Обучить семантическую сегментационную сеть с помощью расширенных свертков.
Семантическая сегментация мультиспектральных изображений с использованием глубокого обучения
В этом примере показано, как выполнить семантическую сегментацию многоспектрального изображения с семью каналами с помощью U-Net.
3-D Сегментация опухолей головного мозга с использованием глубокого обучения
Этот пример показывает, как обучить 3D нейронную сеть U-Net и выполнить семантическую сегментацию опухолей головного мозга от 3D медицинских изображений.
Определение пользовательского слоя классификации пикселей с потерями Тверского
В этом примере показано, как определить и создать пользовательский слой классификации пикселей, использующий потери Тверского.
Изучение сети семантической сегментации с помощью Grad-CAM
В этом примере показано, как исследовать прогнозы семантической сети сегментации с помощью Grad-CAM.
