Начало работы с семантической сегментацией с использованием глубокого обучения

Сегментация необходима для задач анализа изображений. Semantic segmentation описывает процесс связи каждого пикселя изображения с меткой класса (такой как цветок, человек, дорога, небо, океан или автомобиль).

Приложения для семантической сегментации включают:

  • Автономное управление автомобилем

  • Промышленный осмотр

  • Классификация местности, видимой в спутниковых снимках

  • Медицинский анализ изображений

Обучите сеть семантической сегментации

Шаги для настройки семантической сети сегментации следующие:

1. Анализируйте обучающие данные для семантической сегментации

2. Создайте сеть семантической сегментации

3. Обучите сеть семантической сегментации

4. Оценка и просмотр результатов семантической сегментации

Маркируйте обучающие данные для семантической сегментации

Большие наборы данных обеспечивают более быстрое и точное отображение с конкретным входом (или аспектом ввода). Использование увеличения данных предоставляет средство использования ограниченных наборов данных для обучения. Незначительные изменения, такие как перевод, обрезка или преобразование изображения, обеспечивают новые отдельные и уникальные изображения. Смотрите Увеличение изображений для рабочих процессов глубокого обучения с использованием Image Processing Toolbox (Deep Learning Toolbox)

Можно использовать приложения Image Labeler, Video Labeler или Ground Truth Labeler (Automated Driving Toolbox) (доступные в Automated Driving Toolbox™) для интерактивной маркировки пикселей и экспорта данных о метках для обучения. Приложение может также использоваться для маркировки прямоугольных видимых областей (ROIs) и меток сцены для классификации изображений.

См. также

Приложения

Функции

Объекты

Похожие примеры

Подробнее о