Создайте слои U-Net для семантической сегментации
возвращает сеть U-Net. lgraph
= unetLayers(imageSize
,numClasses
)unetLayers
включает слой классификации пикселей в сети для предсказания категориальной метки для каждого пикселя в вход изображении.
Использовать unetLayers
для создания сетевой архитектуры U-Net. Необходимо обучить сеть с помощью функции Deep Learning Toolbox™ trainNetwork
(Deep Learning Toolbox).
[
также возвращает размер выходного размера сети U-Net.lgraph
,outputSize
] = unetLayers(imageSize
,numClasses
)
___ = unetLayers(
задает опции, используя один или несколько аргументы пары "имя-значение". Заключайте каждое имя свойства в кавычки. Для примера, imageSize
,numClasses
,Name,Value
)unetLayers(imageSize,numClasses,'NumFirstEncoderFilters',64)
дополнительно устанавливает количество выхода каналов равным 64
для первого этапа энкодера.
Использование 'same'
заполнение в слоях свертки для поддержания того же размера данных от входа до вывода и обеспечения возможности использования широкого набора входа размеров изображений.
Используйте подходы, основанные на патче, для бесшовной сегментации больших изображений. Вы можете извлечь закрашенные фигуры изображения, используя randomPatchExtractionDatastore
функция в Image Processing Toolbox™.
Использование 'valid'
заполнение для предотвращения пограничных программных продуктов в то время как вы используете основанные на патче подходы для сегментации.
Можно использовать сеть, созданную с помощью unetLayers
функция для генерации кода GPU после обучения с trainNetwork
(Deep Learning Toolbox). Для получения дополнительной информации и примеров смотрите Глубокое Обучение Code Generation (Deep Learning Toolbox).
[1] Ronneberger, O., P. Fischer, and T. Brox. U-Net: Сверточные сети для сегментации биомедицинских изображений. Вычисление медицинских изображений и компьютерное вмешательство (MICCAI). Том 9351, 2015, с. 234-241.
[2] 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.
pixelClassificationLayer
| DAGNetwork
(Deep Learning Toolbox) | layerGraph
(Deep Learning Toolbox)deeplabv3plusLayers
| evaluateSemanticSegmentation
| fcnLayers
| segnetLayers
| semanticseg
| trainNetwork
(Deep Learning Toolbox)