Main Content

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。

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、および分類器を使用してカスタム検出器を作成できます

関数

すべて展開する

boxLabelDatastoreDatastore for bounding box label data
imageDatastoreイメージ データのデータ ストア
groundTruthグラウンド トゥルース ラベル データ
objectDetectorTrainingDataオブジェクト検出器用の学習データの作成
combine複数のデータ ストアのデータを統合
balanceBoxLabelsBalance bounding box labels for object detection
bboxcropCrop bounding boxes
bboxresizeResize bounding boxes
bboxwarpApply geometric transformation to bounding boxes
bbox2pointsConvert rectangle to corner points list
imwarpイメージへの幾何学的変換の適用
imcropイメージのトリミング
imresizeイメージのサイズ変更
randomAffine2dランダムな 2 次元アフィン変換の作成
centerCropWindow2d四角形の中央トリミング ウィンドウの作成
randomCropWindow2dランダムな四角形のトリミング ウィンドウの作成
integralImage2 次元インテグラル イメージの計算
anchorBoxLayerCreate anchor box layer for object detection
estimateAnchorBoxesEstimate anchor boxes for deep learning object detectors
fasterRCNNLayersCreate a faster R-CNN object detection network
focalLossLayerCreate focal loss layer using focal loss function
roiAlignLayerNon-quantized ROI pooling layer for Mask-CNN
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
spaceToDepthLayer
ssdLayersSSD multibox object detection network
ssdMergeLayerCreate SSD merge layer for object detection
yolov2LayersCreate YOLO v2 object detection network
yolov2TransformLayerCreate transform layer for YOLO v2 object detection network
yolov2OutputLayerCreate output layer for YOLO v2 object detection network
yolov2ReorgLayer(Not recommended) Create reorganization layer for YOLO v2 object detection network
focalCrossEntropyCompute focal cross-entropy loss
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
trainSSDObjectDetectorTrain an SSD deep learning object detector
trainYOLOv2ObjectDetectorTrain YOLO v2 object detector
evaluateDetectionAOSEvaluate average orientation similarity metric for object detection
evaluateDetectionMissRateEvaluate miss rate metric for object detection
evaluateDetectionPrecisionオブジェクト検出の適合率メトリクスの評価
bboxOverlapRatio境界ボックスのオーバーラップ率の計算
bboxPrecisionRecallCompute bounding box precision and recall against ground truth
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
fasterRCNNObjectDetectorFaster R-CNN 深層学習の検出器を使用したオブジェクトの検出
ssdObjectDetectorDetect objects using SSD deep learning detector
yolov2ObjectDetectorDetect objects using YOLO v2 object detector
selectStrongestBboxSelect strongest bounding boxes from overlapping clusters
selectStrongestBboxMulticlassSelect strongest multiclass bounding boxes from overlapping clusters
insertObjectAnnotationトゥルーカラー イメージ、グレースケール イメージ、またはビデオ ストリームに注釈を付ける
insertObjectMask Insert masks in image or video stream
insertShapeイメージまたはビデオへの形状の挿入
showShapeDisplay shapes on image, video, or point cloud

トピック

開始

検出されたオブジェクトを可視化する関数の選択

可視化関数を比較する。

深層学習を使用したオブジェクト検出入門

深層学習ニューラル ネットワークを使用したオブジェクト検出。

R-CNN、Fast R-CNN および Faster R-CNN 入門

R-CNN、Fast R-CNN、Faster R-CNN の基礎

インスタンス セグメンテーションの Mask R-CNN 入門

Mask R-CNN と深層学習を使用してマルチクラス インスタンス セグメンテーションを実行する。

YOLO v2 入門

You Only Look Once (YOLO) v2 の基礎

SSD マルチボックス検出入門

シングル ショット検出の基礎。

アンカー ボックスによるオブジェクトの検出

深層学習のオブジェクトの検出で使用されるアンカー ボックスの基礎

オブジェクト検出用学習データの作成

深層学習用のデータストア (Deep Learning Toolbox)

深層学習アプリケーションでデータストアを使用する方法を学びます。

オブジェクト検出およびセマンティック セグメンテーション用の学習データ

イメージ ラベラービデオ ラベラーを使用して、オブジェクト検出器やセマンティック セグメンテーションの学習データを作成します。

深層学習を使用したオブジェクトの検出

ディープ ネットワーク デザイナー (Deep Learning Toolbox)

深層学習層の一覧 (Deep Learning Toolbox)

MATLAB® のすべての深層学習層を確認できます。

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。

事前学習済みの深層ニューラル ネットワーク (Deep Learning Toolbox)

分類、転移学習、特徴抽出用の事前学習済みの畳み込みニューラル ネットワークのダウンロード方法と使用方法を学習します。

注目の例