このページは前リリースの情報です。該当の英語のページはこのリリースで削除されています。

ディープネットワークデザイナーでの簡単なセマンティックセグメンテーションネットワークの学習

この例では次を使用します。

この例では、ディープネットワークデザイナーを使用し、簡単なセマンティックセグメンテーションネットワークを作成し、その学習を行う方法を説明します。

セマンティックセグメンテーションは、イメージの各ピクセルをクラスラベル ("花"、"人物"、"道路"、"空"、"海洋"、"自動車" など) に関連付けるプロセスを表します。セマンティックセグメンテーションの応用例としては、自動運転のための道路セグメンテーションや医療診断のための癌細胞セグメンテーションなどがあります。詳細については、深層学習を使用したセマンティックセグメンテーション入門 (Computer Vision Toolbox)を参照してください。

学習データの読み込み

セマンティックセグメンテーションネットワークに学習させるには、イメージコレクションと、対応するピクセルラベル付きイメージコレクションが必要です。ピクセルラベル付きイメージは、すべてのピクセル値がそのピクセルのカテゴリカルラベルを表すイメージです。この例では、説明のために 32 x 32 の三角形のイメージを含む単純なデータセットを使用します。イメージラベラー (Computer Vision Toolbox)を使用して、対話形式でピクセルにラベル付けし、ラベルデータをコンピュータービジョン用にエクスポートできます。セマンティックセグメンテーションアプリケーション用の学習データ作成の詳細については、セマンティックセグメンテーションのピクセルのラベル付け (Computer Vision Toolbox)を参照してください。

学習データを読み込みます。

dataFolder  = fullfile(toolboxdir('vision'), ...
'visiondata','triangleImages');

学習用データの準備

imageDir = fullfile(dataFolder,'trainingImages');
labelDir = fullfile(dataFolder,'trainingLabels');

イメージを格納する ImageDatastore を作成します。

imds = imageDatastore(imageDir);

グラウンドトゥルースピクセルラベルを格納する PixelLabelDatastore を作成します。このデータセットには、"triangle" と "background" の 2 つのクラスがあります。

classNames = ["triangle","background"];
labelIDs   = [255 0];

pxds = pixelLabelDatastore(labelDir,classNames,labelIDs);

関数 combine を使用して、イメージデータストアとピクセルラベルデータストアを CombinedDatastore オブジェクトに統合します。統合されたデータストアは、基になるデータストアでのイメージペア間のパリティを維持します。

cds = combine(imds,pxds);

ネットワークの構成

ディープネットワークデザイナーを開きます。

deepNetworkDesigner

ディープネットワークデザイナーでは、深層学習ネットワークの構築、編集、および学習ができます。[空のネットワーク] で一時停止し、[新規] をクリックします。

[層のライブラリ] から [デザイナー] ペインに層をドラッグして、セマンティックセグメンテーションネットワークを作成します。

次の順序で層を結合します。

imageInputLayer (InputSize を 32,32,1 に設定)
convolution2dLayer (FilterSize を 3,3、NumFilters を 64、Padding を 1,1,1,1 に設定)
reluLayer
maxPooling2dLayer (PoolSize を 2,2、Stride を 2,2、Padding を 0,0,0,0 に設定)
convolution2dLayer (FilterSize を 3,3、NumFilters を 64、Padding を 1,1,1,1 に設定)
reluLayer
transposedConv2dLayer (FilterSize を 4,4、 NumFilters を 64、 Stride を 2,2、and Cropping を 1,1,1,1 に設定)
convolution2dLayer (FilterSize を 1,1、NumFilters を 2、Padding を 0,0,0,0 に設定)
softmaxLayer
pixelClassificationLayer

このネットワークをコマンドラインで作成し、deepNetworkDesigner(layers) を使用してネットワークをディープネットワークデザイナーにインポートすることもできます。

layers = [
    imageInputLayer([32 32 1])
    convolution2dLayer([3,3],64,'Padding',[1,1,1,1])
    reluLayer
    maxPooling2dLayer([2,2],'Stride',[2,2])
    convolution2dLayer([3,3],64,'Padding',[1,1,1,1])
    reluLayer
    transposedConv2dLayer([4,4],64,'Stride',[2,2],'Cropping',[1,1,1,1])
    convolution2dLayer([1,1],2)
    softmaxLayer
    pixelClassificationLayer
    ];

このネットワークは、ダウンサンプリングとアップサンプリングの設計に基づくシンプルなセマンティックセグメンテーションネットワークです。セマンティックセグメンテーションネットワークの構築の詳細については、セマンティックセグメンテーションネットワークの作成 (Computer Vision Toolbox)を参照してください。

データのインポート

学習データストアをインポートするには、[データ] タブで [データのインポート]、[カスタムデータのインポート] を選択します。学習データとして CombinedDatastore オブジェクト cds を選択します。検証データは None を選択します。[インポート] をクリックして学習データをインポートします。

ディープネットワークデザイナーが、インポートされたセマンティックセグメンテーションデータのプレビューを表示します。プレビューには、学習イメージとグラウンドトゥルースピクセルラベルが表示されます。ネットワークは入力イメージを要求し (左側)、各ピクセルの分類を三角形または背景のいずれかとして返します (右側)。

ネットワークの学習

学習オプションを設定し、ネットワークに学習させます。

[学習] タブで、[学習オプション] をクリックします。[InitialLearnRate] を 0.001 に、[MiniBatchSize] を 64 に、[MaxEpochs] を 100 に設定します。[OK] をクリックして学習オプションを設定します。

[学習] をクリックしてネットワークに学習させます。

学習が完了したら、[エクスポート] をクリックして、学習済みネットワークをワークスペースにエクスポートします。学習済みネットワークは、変数 trainedNetwork_1 に保存されます。

イメージ内の三角形のセグメント化

テストデータと学習済みネットワークを使用して予測を行います。

semanticseg を使用してテストイメージをセグメント化します。関数 labeloverlay を使用して、ラベルをイメージの上に重ねて表示します。

imgTest = imread('triangleTest.jpg');
testSeg = semanticseg(imgTest,trainedNetwork_1);
testImageSeg = labeloverlay(imgTest,testSeg);

結果を表示します。

figure
imshow(testImageSeg)

ネットワークは、テストイメージの三角形に正常にラベルを付けます。

この例で学習を行ったセマンティックセグメンテーションネットワークは非常にシンプルです。より複雑なセマンティックセグメンテーションネットワークを構築するには、Computer Vision Toolbox の関数segnetLayers (Computer Vision Toolbox)、deeplabv3plusLayers (Computer Vision Toolbox)、およびunetLayers (Computer Vision Toolbox)を使用できます。関数 deeplabv3plusLayers を使用して DeepLab v3+ ネットワークを作成する方法を示す例については、深層学習を使用したセマンティックセグメンテーション (Computer Vision Toolbox)を参照してください。

参考

ディープ ネットワーク デザイナーでの簡単なセマンティック セグメンテーション ネットワークの学習