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:
2。创建语义细分网络
3。培训语义细分网络
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
- 增强语义细分的像素标签(深度学习工具箱)
- 导入像素标记为语义分割的数据集
- 使用深度学习的语义细分
- 标签语义分割的像素
- 用Tversky损失定义自定义像素分类层
- 使用扩张卷积的语义分割
- 计算基于块的工作流程中的分割指标
- 使用Grad-CAM探索语义分割网络
更多关于
- MATLAB的深度学习(深度学习工具箱)