最新のリリースでは、このページがまだ翻訳されていません。 このページの最新版は英語でご覧になれます。

深層学習を使用したオブジェクトの検出

畳み込みニューラル ネットワーク (CNN または ConvNet) を使用した分類、オブジェクトの検出および転移学習の実行。

畳み込みニューラル ネットワーク (CNN、または ConvNet) は深層学習に不可欠なツールであり、特にイメージの分類、オブジェクトの検出および認識タスクに役立ちます。CNN は、相互接続された一連の層として実装されます。これらの層は、畳み込み層、ReLU (正規化線形ユニット) およびプーリング層のブロックの繰り返しで構成されています。畳み込み層では、一連のフィルターを使用して入力の畳み込みが行われます。フィルターは、ネットワークの学習中に自動的に学習されています。ReLU 層は、ネットワークに非線形性を追加します。これにより、ネットワークでイメージ ピクセルとイメージのセマンティクス コンテンツの間での非線形マッピングの近似が可能になります。プーリング層は入力をダウンサンプリングして、局所的なイメージ特徴の統合を促進します。

畳み込みニューラル ネットワークには Deep Learning Toolbox™ が必要です。学習と予測は Compute Capability 3.0 以上の CUDA® 対応 GPU でサポートされます。GPU を使用することが推奨され、これには Parallel Computing Toolbox™ が必要になります。

CNN アーキテクチャを構築し、セマンティック セグメンテーションを使用してネットワークを学習させ、学習済みのネットワークを使用してクラス ラベルを予測したり、オブジェクトを検出したりできます。また、事前学習済みのネットワークから特徴を抽出し、これらの特徴を使用して分類器を学習させることもできます。さらに、転移学習を実行して、新しいデータで CNN の再学習を行うことができます。また、イメージ ラベラービデオ ラベラー、特徴抽出器、および Deep Learning Toolbox 分類器を使用してカスタム検出器を作成できます。

関数

trainRCNNObjectDetectorR-CNN 深層学習オブジェクト検出器の学習
trainFastRCNNObjectDetectorFast R-CNN 深層学習オブジェクト検出器の学習
trainFasterRCNNObjectDetectorFaster R-CNN 深層学習オブジェクト検出器の学習
rcnnObjectDetectorR-CNN 深層学習の検出器を使用したオブジェクトの検出
fastRCNNObjectDetectorDetect objects using Fast R-CNN deep learning detector
fasterRCNNObjectDetectorDetect objects using Faster R-CNN deep learning detector
roiInputLayerROI input layer for Fast R-CNN
roiMaxPooling2dLayerNeural network layer used to output fixed-size feature maps for rectangular ROIs
rpnSoftmaxLayerSoftmax layer for region proposal network (RPN)
rpnClassificationLayerClassification layer for region proposal networks (RPNs)
rcnnBoxRegressionLayerBox regression layer for Fast and Faster R-CNN
regionProposalLayerRegion proposal layer for Faster R-CNN

トピック

R-CNN、Fast R-CNN、Faster R-CNN の基礎

R-CNN、Fast R-CNN、Faster R-CNN の基礎

MATLAB による深層学習 (Deep Learning Toolbox)

畳み込みニューラル ネットワークを使用して分類や回帰を行う MATLAB® の深層学習機能を確認します。これには、事前学習済みのネットワークと転移学習のほか、GPU、CPU、クラスター、およびクラウドでの学習が含まれます。

注目の例