Примените глубокое обучение к приложениям компьютерного зрения при помощи Toolbox™ Deep Learning совместно с Computer Vision Toolbox™.
| Image Labeler | Маркируйте изображения для приложений компьютерного зрения |
| Video Labeler | Маркируйте видео для приложений компьютерного зрения |
boxLabelDatastore | Datastore для данных метки ограничивающего прямоугольника |
pixelLabelDatastore | Datastore для данных о пиксельных метках |
pixelLabelImageDatastore | Datastore для семантических сетей сегментации |
Начало работы с обнаружением объектов с помощью глубокого обучения (Computer Vision Toolbox)
Обнаружение объектов с помощью глубоких нейронных сетей.
Увеличение ограничивающих коробок для обнаружения объектов
В этом примере показано, как использовать MATLAB ®, Computer Vision Toolbox™ и Image Processing Toolbox™ для выполнения общих видов увеличения изображений и ограничивающих коробок как части рабочих процессов обнаружения объектов.
Обучите детектор объектов с помощью глубокого обучения R-CNN
Этот пример показывает, 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 обученную ONNX™ (Open Neural Network Exchange) только один раз (YOLO) v2 [1] сеть обнаружения объектов и использовать ее для обнаружения объектов .
Экспорт детектора объектов YOLO v2 в ONNX
В этом примере показано, как экспортировать сеть обнаружения объектов YOLO v2 в ONNX™ формат модели (Open Neural Network Exchange).
Начало работы с семантической сегментацией с использованием глубокого обучения (Computer Vision Toolbox)
Сегментируйте объекты по классам, используя глубокое обучение
Создайте простую сеть семантической сегментации в Deep Network Designer
В этом примере показано, как создать и обучить простую сеть семантической сегментации с помощью Deep Network Designer.
Увеличение меток пикселей для семантической сегментации
В этом примере показано, как использовать MATLAB ®, Computer Vision Toolbox™ и Image Processing Toolbox™ для выполнения общих видов увеличения меток изображений и пикселей как части рабочих процессов семантической сегментации.
Семантическая сегментация с использованием расширенных сверток
Обучите сеть семантической сегментации с помощью расширенных сверток.
Семантическая сегментация мультиспектральных изображений с использованием глубокого обучения
Этот пример показывает, как выполнить семантическую сегментацию мультиспектрального изображения с семью каналами, используя U-Net.
3-D сегментацию опухоли мозга с помощью глубокого обучения
Этот пример показывает, как обучить 3-D нейронную сеть U-Net и выполнить семантическую сегментацию опухолей головного мозга из 3-D медицинских изображений.
Задайте пользовательский слой классификации пикселей с потерями Тверского
В этом примере показано, как задать и создать пользовательский слой классификации пикселей, который использует потери Тверского.
Исследуйте сеть семантической сегментации с помощью Grad-CAM
В этом примере показано, как исследовать предсказания семантической сети сегментации с помощью Grad-CAM.
