コンピュータビジョン向けディープラーニング
セマンティックセグメンテーション,物体検出,および画像認識など,ディープラーニングと統合されたコンピュータビジョンのアプリケーションは,ディープラーニングの精度を備えた高度なアルゴリズムを提供します。MATLAB®は,ディープラーニングのモデルを設計,作成し,コンピュータビジョンのアプリケーションと統合する環境を提供します。
次のようなコンピュータビジョンのための特別な機能を,簡単に使い始めることができます。
- 画像およびビデオのラベル付けアプリ
- 学習,テスト,および検証のための大量のデータを扱う画像データストア
- 画像とコンピュータビジョンに特化した前処理
- 画像認識のため,TensorFlow™-KerasとPyTorchからディープラーニングモデルをインポートする機能
データの準備
アクセス
ImageDatastoreにより,迅速かつ簡単に大量のデータにアクセス,そして管理できます。
合成
ディープラーニングでは,正確なモデルを構築するために,多様で包括的なデータを用いることが重要です。データ拡張によって,エンジニアは学習のためのサンプル数とサンプルのバリエーションを増やすことができます。ロバストな分類のため,画像データ拡張の手法を使用して,学習画像を様々に回転,拡大・縮小することで,より多くの学習画像を作成します。
ラベル付けと前処理
ピクセル毎のラベル付けや対象とする物体領域の設定などを含む,画像とビデオのラベル付けによって,手作業でのラベル付けにかかる膨大な時間を節約できます。ネットワークの学習前に,画像処理ツールを使用して,画像の切り取り,ブレ除去,明るさ調整,画像強調を行います。
関連情報
ネットワーク設計,学習,および評価
対話的なネットワークの設計,NVIDIA®GPUを使用した学習速度の向上によって,素早く良い結果を得ましょう。
設計
ONNX™を使用して学習済みモデルをインポートした後に,ディープネットワークデザイナーアプリを用いてレイヤーを追加,削除,および再調整します。
学習
単一のGPU,複数のGPU,クラウド,またはNVIDIA帕のいずれの環境であっても,MATLABは1行のコードでマルチGPU学習をサポートします。
評価
どの時点でもネットワークのパフォーマンスを把握します。
- 学習前:ネットワークアナライザーを使用してネットワークレイヤーを解析し,レイヤーの入力と出力の互換性を確認できます。
- 学習中:ネットワークの学習中に検証精度を可視化でき,いつでも学習を停止できます。
- 学習後:制御,信号処理,およびセンサーフュージョンコンポーネントを使用して,仿真软万博1manbetx件でディープラーニングネットワークをシミュレーションし,ディープラーニングモデルがシステムレベルのパフォーマンスに与える影響を評価します。
関連情報
展開
ディープラーニングモデルをどこへでも展開。自動的にコードを生成して手臂®と英特尔®MKL-DNN上でネイティブに実行します。ディープラーニングモデルをインポートして TensorRT と CuDNN ライブラリ向けの CUDA®コードを生成します。
関連情報
コンピュータビジョン向けディープラーニングの例
MATLABは,次のような特定のディープラーニングアプリケーション用のツールを提供します。
外観検査と欠陥検出
自動化された検査と欠陥検出は,実稼働システムにおける高スループットの品質管理にとって非常に重要です。MATLABを使用すれば、さまざまなタイプの異常を検出して位置を特定するためのディープラーニングベースのアプローチを開発することができます。
MATLABは,次のような特定のディープラーニングアプリケーションのためのツールを提供します。
セマンティックセグメンテーション
セマンティックセグメンテーションは各ピクセルをカテゴリ毎にラベル付けします。これは自動運転と医療用画像処理において鍵となる技術です。
物体検出
物体検出は,YOLO v2意思やFaster-RCNNなどの分類手法を使用して,シーンの中の物体を識別します。
画像およびビデオの分類
最新の研究モデルと転移学習を使用して,画像とビデオで物体を識別します。
3 dデータ
MATLABは,高密度および低密度の3 d解析手法により,3 dデータ処理を可能にします。アプリケーションには,激光雷达で計測した点群の分類や,医療用画像スタックなどがあります。