セマンティックセグメンテーションと物体検出の違いとは吗?

セマンティックセグメンテーションは，対象物の画像内を画素レベルで复数の领域に分けることができる点で，物体検出よりも便利と言えます。境界ボックス内に対象物が收まらなければならない物体検出（図2）とは対照的に，セマンティックセグメンテーションは不规则な形状の対象物を明了に検出することができます。

セマンティックセグメンテーションの応用

セマンティックセグメンテーションは，画像内の画素にラベルを付けるため，他の物体検出の方法に比べて高精度であることが特徴です。この精度の高さにより，セマンティックセグメンテーションは，高精度な画像マッピングを必要とするさまざまな业界で幅広く使用されています。

• 自动运転：歩行者，歩道，ポール，他の车両などの障害物から道路を分离することで，自动车が走行可能な経路を识别
• 工业用検查：ウエハ検查などで材料の欠陥を検出
• 卫星画像：山脉，河川，砂漠，その他の地形を识别
• 医療用画像処理：细胞内のがん性异常の解析と検出
• ロボティックビジョン：物体や地形の识别とナビゲーション

例：自动运転アプリケーション

図4のシーケンスは，自动运転に使用されるセマンティックセグメンテーションの実例です。道路の画像は，他の车両から自动的に分离されています。次のセクションでは，ネットワークが构筑される仕组みを示します。

ステップ1：データにラベルを付けるか，ラベル付きのデータを取得する

ステップ2:元画像とラベル付き画像のデータストアを作成する

大量のデータを取り扱うとき，すべての情报をメモリに読み込むことができない场合が多々あります。大容量のデータセットを管理するために，データストアを使用できます。データストアには，アクセスするファイルの保存场所の情报が格纳され，ファイルを处理する必要があるときにのみメモリに読み込むことができます。

SegNetを构筑するには，2つのデータストアが必要です。

1. ImageDatastore，元画像を格纳
2. PixelLabelDatastore，ラベル付き画像を格纳

ステップ3：データストアを分割する

ステップ4：CNNをインポートしてSegNet用に変更します。

VGG16などの事前学习済みネットワークを読み込み，SegNetLayersコマンドを使用して，ピクセルレベルのラベル付けに必要なエンコーダーデコーダーアーキテクチャを作成します。

ステップ5：ネットワークを学习させ评価する

最终ステップで，ネットワークのハイパーパラメーターを设定し，ネットワークを学习させます。