分割semantique
3人选择à savoir
分割sémantique是一种深度学习算法，用于关联étiquette或catégorie à查询一个图像的像素。我们可以看到reconnaître的一个像素集合与catégories不同。例如，一个véhicule自主doit标识符des véhicules, des piétons, des panneaux de signalisation, des trottoirs et autres éléments de l’environneroute。
分割sémantique干预在nombreuses应用中告诉我们管道自主，图像médicale和les contrôles industriels。
两个类的séparation d'images是一个简单的分割sémantique的例子。例如，在图1中，一个图像显示一个人à la plage est associée à一个版本显示图像segmentés的像素，两类不同:一个人和一个人'arrière-plan。
图1:图像et像素étiquetés。
分割sémantique不是limitée à deux catégories。你们可以改变catégories图像内容分类器的数量。例如même image pourrait être segmentée四类课程:la personne le ciel la mer et l'arrière-plan。
什么是分割sémantique diffère-t-elle德拉détection对象?
分割sémantique peut être另一个选项intéressante à La détection d'objets因为我的permet à l'objet considéré de couvrir plusieurs区域的图像和niveau像素。技术détecte proprement les objets de forme irrégulière，相反à la détection d'objets, où les objets doivent s'insérer dans un cadre délimité(图2)。
图2:Détection d'objets, avec des干部délimités identifiedles objects。
Comment la segmentation sémantique est-elle utilisée ?
图像的像素分割sémantique étiquette;这个式子加上précise就形成了détection这个对象。这就是分割sémantique实用程序在应用程序variées requièrant图像cartographiques précises。比如:
- Conduite autonome: pour identifier UN parcours conduvisible pour les véhicules en distinguisant la route des obstacle tel les piétons, trottoirs, poteaux et autres véhicules。
- 还industriels: pour détecter les défauts dans des matériaux, comme le contrôle des composants électroniques。
- Imagerie卫星:输入标识符les montagnes, les rivières, les déserts和其他类型的地形。
- Imagerie医学研究院: pour分析仪et détecter les异常cancéreuses les细胞。
- 视觉robotique: pour identifier les object and le terrain ets 'y déplacer。
图3:分割sémantique d'une图像卫星多光谱。
Le process d' atissage d'un réseau de segmentation sémantique pour classifier des images respect les étapes suivantes:
- 分析器unensemble d'images aux pixels étiquetés。
- Créer un réseau de segmentation sémantique。
- Entraîner le réseau à classifier des images selon des catégories de pixels。
- Evaluer la précision du réseau。
例如:管道自主应用
La séquence在图4中有一个具体的例子sémantique appliquée à La导管自主。Les images de la route sonatiquement segmentées par rapport aux autres véhicules。La prochaine部分评论réseaux sont créés。
图4:分割sémantique pour une application de conduite autonomous。
理解l 'architecture
一个方法是公社的分割sémantique包含à créer unsegnet，它是basé的一个架构CNN，Réseau de neurones à convolution．一个架构CNN类型为illustrée，在图5中。
Ce réseau CNN classifie l'image entière en une image comportesde nombreuses catégories prédéfinies。
图5:CNN的结构类型。
请输入établir一种像素的分类plutôt一种图像的分类entière，你可以看到一种视频implémentation一种CNN的倒数。我们的过程suréchantillonnage是effectué我们的数字même我们的过程-échantillonnage确保图像的结局possède我们的过程mêmes图像d'entrée的维度。恩，一个像素的分类方法是utilisée，将它映射到à一个确定的类中。Cela forme une architecture codeur/décodeur, qui permet la segmentation sémantique。
图6:Réseau CNN exécutant des functions orientées image à chaque couche, puis sous-échantillonnant l'image à l'aide d'une couche de pooling(中)。这个过程是réitéré plusieurs fois pour première moitié du réseau。从图première moitié的角度出发，我们可以用数字égal的角度出发(橙色)。
ÉTAPE 1: Étiqueter les données ou obtenir des données étiquetées。
Les modèles de Deep Learning sont élaborés à part de nombreuses données et la segmentation sémantique不例外。Une possibilité consiste à rechercher des données étiquetées sur Internet。如果您possédez votre propre jeu de données，您可以使用MATLAB的应用图像标记器。你们可以使用这个jeu de données pour procéder à我的学徒。
图7:应用MATLAB图像标签渗透étiqueter les images pour la segmentation sémantique
在知道+
ÉTAPE 2: Créer un datastore pour les images originales et les images étiquetées。
在données上的所有数量上，在mémoire上的所有信息上都是不可能的。Pour gérer de grands jeux de données，你可以使用数据存储。我们的数据存储在您的网站上accéder，然后您可以在网站上下载mémoire，如果您可以在网站上下载的话。
请输入créer un SegNet，我将为您提供两个数据存储:
- ImageDatastore，这是图像的来源
- PixelLabelDatastore， qui continental les images étiquetées
ÉTAPE 3: Partitionner les datastore。
在création d’un SegNet中，您可以将数据存储分为两个分区:
- “学徒”，仆人à entraîner Le SegNet
- Le jeu de test, servant à évaluer la précision d'un réseau
图8:Scène routière montrant l'image en couleur (à gauche) et les pixels étiquetés correspondent (à droite)。
ÉTAPE 4:进口商请与我们联系。
Charger un réseau préentraîné，例如VGG16, et utiliser la commande SegNetLayers pour créer l'architecture codeur/décodeur nécessaire à l'étiquetage au niveau pixel。
图9:Création de l'architecture SegNet avec une seule ligne de code dans MATLAB。
ÉTAPE 5: Entraîner et évaluer le réseau。
Lors de la dernière étape，您définissez les hyperparamètres pour le réseau和您l'entraînez。
然后再加上分割sémantique
视频
- Présentation de la segmentation sémantique(造成车厢)
- Démystifier le Deep Learning: la segmentation sémantique et le déploiement(47:09)——网络研讨会
- 3D肿瘤图像分割cérébrales avec le深度学习(14)
