主要内容

使用深度学习开始使用语义细分

细分对于图像分析任务至关重要。语义细分描述将图像的每个像素与类标签相关联的过程（例如花，，，，人，，，，路，，，，天空，，，，海洋， 或者车）。

语义细分的应用包括：

  • 自动驾驶

  • 工业检查

  • 卫星图像中可见的地形分类

  • 医学成像分析

标签语义细分的培训数据

大型数据集启用更快，更准确的映射到特定的输入（或输入方面）。使用数据增强提供了利用有限数据集进行培训的方法。诸如翻译，裁剪或转换图像之类的微小变化提供了新的独特图像。看使用图像处理工具箱的深度学习工作流程的增强图像（深度学习工具箱）

您可以使用图像标签，，，，视频标签， 或者地面真相标签（自动驾驶工具箱）（在自动驾驶Toolbox™中可用）应用程序可交互标记像素和导出标签数据以进行培训。该应用程序还可以用于标记感兴趣的矩形区域（ROI）和用于图像分类的场景标签。

训练和测试语义分割网络

培训语义细分网络的步骤如下：

1。分析语义细分的培训数据

2。创建语义细分网络

3。培训语义细分网络

4。评估和检查语义细分的结果

使用验证的deeplabv3+网络的细分对象

数学工作®GitHub存储库提供了最新预验证的深度学习网络的实现，以下载和用于执行开箱即用推理。

有关所有最新数学工程的列表，概括的语义细分模型和示例MATLAB深度学习（GitHub）。

也可以看看

应用

功能

对象

相关示例

更多关于