Компьютерное зрение с использованием глубокого обучения

Расширьте рабочие процессы глубокого обучения с приложениями компьютерного зрения

Примените глубокое обучение к приложениям компьютерного зрения при помощи Deep Learning Toolbox™ вместе с Computer Vision Toolbox™.

Приложения

Image LabelerПометьте изображения для приложений компьютерного зрения
Video LabelerПометьте видео для приложений компьютерного зрения

Функции

boxLabelDatastoreDatastore для ограничительной рамки помечает данные
pixelLabelDatastoreDatastore для данных о пиксельных метках
pixelLabelImageDatastoreDatastore для сетей семантической сегментации

Темы

Обнаружение объектов

Начало работы с обнаружением объектов Используя глубокое обучение (Computer Vision Toolbox)

Обнаружение объектов с помощью глубоких нейронных сетей.

Увеличьте ограничительные рамки для обнаружения объектов

В этом примере показано, как выполнить общие виды поля изображения и увеличения ограничительной рамки как часть рабочих процессов обнаружения объектов.

Обучите детектор объектов Используя глубокое обучение R-CNN

В этом примере показано, как обучить детектор объектов с помощью глубокого обучения и R-CNN (области со Сверточными нейронными сетями).

Импортируйте Предварительно обученный детектор объектов ONNX YOLO v2

В этом примере показано, как импортировать предварительно обученный ONNX™ (Открытый Exchange Нейронной сети) сеть обнаружения объектов v2 [1] вы только смотрите однажды (YOLO) и использовать его, чтобы обнаружить объекты.

Экспортируйте детектор объектов YOLO v2 в ONNX

В этом примере показано, как экспортировать сеть обнаружения объектов YOLO v2 в формат модели ONNX™ (Open Neural Network Exchange).

Семантическая Сегментация

Начало работы с Семантической Сегментацией Используя глубокое обучение (Computer Vision Toolbox)

Сегментация объектов по классам с использованием глубокого обучения.

Обучите простую сеть Семантической Сегментации в Deep Network Designer

В этом примере показано, как создать и обучить простую сеть семантической сегментации использование Deep Network Designer.

Увеличьте пиксельные метки для Семантической Сегментации

В этом примере показано, как выполнить общие виды изображения, и пиксель помечают увеличение как часть рабочих процессов семантической сегментации.

Семантическая Сегментация с Использованием Расширенных Сверток

Обучите сеть семантической сегментации с помощью расширенных сверток.

Семантическая Сегментация многоспектральных изображений Используя глубокое обучение

В этом примере показано, как выполнить семантическую сегментацию многоспектрального изображения с семью каналами с помощью U-Net.

3-D сегментация опухоли головного мозга Используя глубокое обучение

В этом примере показано, как обучить 3-D нейронную сеть U-Net и выполнить семантическую сегментацию опухолей головного мозга от 3-D медицинских изображений.

Задайте пользовательский слой классификации пикселей с потерей Tversky

В этом примере показано, как задать и создать пользовательский слой классификации пикселей, который использует потерю Tversky.

Исследуйте сеть Семантической Сегментации Используя CAM градиента

В этом примере показано, как исследовать предсказания сети семантической сегментации использование CAM градиента.

Видео классификация

Распознавание активности из данных о видео и оптическом потоке Используя глубокое обучение

Этот пример сначала показывает, как выполнить распознавание активности с помощью предварительно обученного 2D потока Расширенного 3-D (I3D) основанный на сверточной нейронной сети видео классификатор и затем показывает, как использовать передачу обучения, чтобы обучить такой видео классификатор с помощью RGB и данных об оптическом потоке из видео [1].

Распознавание жеста Используя изучение классификатора DeepVideo

Выполните распознавание жеста с помощью предварительно обученного классификатора видео SlowFast.

Рекомендуемые примеры