Создайте слои SegNet для семантической сегментации
lgraph = segnetLayers(imageSize,numClasses,model)lgraph, который предварительно инициализирован слоями и весами из предварительно обученного model.
SegNet является сверточной нейронной сетью для семантической сегментации изображений. Сеть использует pixelClassificationLayer чтобы предсказать категориальную метку для каждого пикселя в вход изображении.
Использовать segnetLayers для создания сетевой архитектуры для SegNet. Необходимо обучить сеть с помощью функции Deep Learning Toolbox™ trainNetwork (Deep Learning Toolbox).
lgraph = segnetLayers(imageSize,numClasses,encoderDepth)
lgraph = segnetLayers(imageSize,numClasses,encoderDepth,Name,Value)Name,Value аргументы в виде пар.
Загрузите обучающие изображения и пиксельные метки.
dataSetDir = fullfile(toolboxdir('vision'),'visiondata','triangleImages'); imageDir = fullfile(dataSetDir,'trainingImages'); labelDir = fullfile(dataSetDir,'trainingLabels');
Создайте datastore, содержащее обучающие изображения.
imds = imageDatastore(imageDir);
Задайте имена классов и связанные с ними идентификаторы меток.
classNames = ["triangle", "background"]; labelIDs = [255 0];
Создайте пиксельную метку datastore содержащую основную истину пиксельные метки для обучающих изображений.
pxds = pixelLabelDatastore(labelDir,classNames,labelIDs);
Создайте слои SegNet.
imageSize = [32 32]; numClasses = 2; lgraph = segnetLayers(imageSize,numClasses,2)
lgraph =
LayerGraph with properties:
Layers: [31x1 nnet.cnn.layer.Layer]
Connections: [34x2 table]
InputNames: {'inputImage'}
OutputNames: {'pixelLabels'}
Создайте pixel label image datastore для настройки семантической сети сегментации.
pximds = pixelLabelImageDatastore(imds,pxds);
Настройте опции обучения.
options = trainingOptions('sgdm','InitialLearnRate',1e-3, ... 'MaxEpochs',20,'VerboseFrequency',10);
Обучите сеть.
net = trainNetwork(pximds,lgraph,options)
Training on single CPU. Initializing input data normalization. |========================================================================================| | Epoch | Iteration | Time Elapsed | Mini-batch | Mini-batch | Base Learning | | | | (hh:mm:ss) | Accuracy | Loss | Rate | |========================================================================================| | 1 | 1 | 00:00:01 | 42.11% | 0.7662 | 0.0010 | | 10 | 10 | 00:00:14 | 50.77% | 0.7390 | 0.0010 | | 20 | 20 | 00:00:28 | 66.19% | 0.6918 | 0.0010 | |========================================================================================|
net =
DAGNetwork with properties:
Layers: [31x1 nnet.cnn.layer.Layer]
Connections: [34x2 table]
InputNames: {'inputImage'}
OutputNames: {'pixelLabels'}
Отображение сети.
plot(lgraph)
Создайте слои SegNet с глубиной кодера/декодера 4.
imageSize = [480 640 3]; numClasses = 5; encoderDepth = 4; lgraph = segnetLayers(imageSize,numClasses,encoderDepth)
lgraph =
LayerGraph with properties:
Layers: [59x1 nnet.cnn.layer.Layer]
Connections: [66x2 table]
InputNames: {'inputImage'}
OutputNames: {'pixelLabels'}
Отобразите сеть.
figure plot(lgraph)
Разделы в подсетях энкодера и декодера SegNet состоят из сверточных, нормализации партии . и слоев ReLU.
Все сверточные слои сконфигурированы таким образом, чтобы термин смещения был зафиксирован на нуле.
Веса слоя свертки в подсетях энкодера и декодера инициализируются с помощью MSRA'метод инициализации веса. Для 'vgg16' или 'vgg19' модели, только подсеть декодера инициализируется с помощью MSRA. [1]
Сети, созданные segnetLayers поддержка генерации кода GPU для глубокого обучения после их обучения с trainNetwork (Deep Learning Toolbox). Для получения дополнительной информации и примеров смотрите Глубокое обучение Генерации кода (Deep Learning Toolbox).
[1] He, K., X. Zhang, S. Ren, and J. Sun. «Delving Deep Into Rectifiers: Overpassing Human-Level Performance on ImageNet Classification». Материалы Международной конференции IEEE по компьютерному зрению. 2015, 1026–1034.
[2] Badrinarayanan, V., A. Kendall, and R. Cipolla. Segnet: Архитектура глубокого сверточного энкодера-декодера для сегментации изображений. arXiv. Препринт arXiv: 1511.0051, 2015.
pixelClassificationLayer | DAGNetwork (Deep Learning Toolbox) | layerGraph (Deep Learning Toolbox)deeplabv3plusLayers | evaluateSemanticSegmentation | fcnLayers | segnetLayers | semanticseg | unetLayers | trainNetwork (Deep Learning Toolbox)