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
Шаги для настройки семантической сети сегментации следующие:
1. Анализируйте обучающие данные для семантической сегментации
2. Создайте сеть 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.
evaluateSemanticSegmentation
| fcnLayers
| pixelLabelDatastore
| segnetLayers
| semanticseg
| semanticSegmentationMetrics
| unet3dLayers
| unetLayers