deeplabv3plus
構文
説明
deepLabNetwork = deeplabv3plus(imageSize,numClasses,network)
deepLabNetwork = deeplabv3plus(___,DownsamplingFactor=value)8 または 16 に設定します。ダウンサンプリング係数は、DeepLab v3+ の符号化器セクションが入力イメージをダウンサンプリングする量を設定します。
例
ResNet-18 ベースの DeepLab v3+ ネットワークを作成します。
imageSize = [480 640 3]; numClasses = 5; network = "resnet18"; net = deeplabv3plus(imageSize,numClasses,network, ... DownsamplingFactor=16);
ネットワークを表示します。
analyzeNetwork(net)
イメージ データストアを使用して、三角形データ セットのイメージを読み込みます。データ ストアには、ランダムな三角形のグレースケール イメージが 200 個格納されています。各イメージは 32×32 です。
dataSetDir = fullfile(toolboxdir("vision"),"visiondata","triangleImages"); imageDir = fullfile(dataSetDir,"trainingImages"); imds = imageDatastore(imageDir);
ピクセル ラベル データストアを使用して、三角形データ セットのピクセル ラベルを読み込みます。
labelDir = fullfile(dataSetDir, "trainingLabels"); classNames = ["triangle","background"]; labelIDs = [255 0]; pxds = pixelLabelDatastore(labelDir,classNames,labelIDs);
DeepLab v3+ ネットワークを作成します。
imageSize = [256 256];
numClasses = numel(classNames);
net = deeplabv3plus(imageSize,numClasses,"resnet18");イメージとピクセル ラベル データを学習用に組み合わせ、前処理変換を適用して学習イメージのサイズを変更します。
cds = combine(imds,pxds); tds = transform(cds, @(data)preprocessTrainingData(data,imageSize));
学習オプションを指定します。ミニバッチ サイズを小さくして、メモリ使用量を減らします。
opts = trainingOptions("sgdm",... MiniBatchSize=8,... MaxEpochs=3);
ネットワークに学習をさせます。
net = trainnet(tds,net,"crossentropy",opts); Iteration Epoch TimeElapsed LearnRate TrainingLoss
_________ _____ ___________ _________ ____________
1 1 00:00:04 0.01 0.93844
50 2 00:04:09 0.01 0.033749
75 3 00:05:35 0.01 0.026353
Training stopped: Max epochs completed
テスト イメージを読み取ります。
I = imread("triangleTest.jpg");入力イメージ サイズを 32 で割った値に等しい因数でテスト イメージをサイズ変更し、テスト イメージの三角形と学習時の三角形のサイズがほぼ等しくなるようにします。
I = imresize(I,Scale=imageSize./32);
イメージをセグメント化します。
C = semanticseg(I,net);
結果を表示します。
B = labeloverlay(I,C); figure imshow(B)
サポート関数
function data = preprocessTrainingData(data, imageSize) % Resize the training image and associated pixel label image. data{1} = imresize(data{1},imageSize); data{2} = imresize(data{2},imageSize); % Convert grayscale input image into RGB for use with ResNet-18, which % requires RGB image input. data{1} = repmat(data{1},1,1,3); end
入力引数
出力引数
アルゴリズム
xception(Deep Learning Toolbox) ベース ネットワークまたはmobilenetv2(Deep Learning Toolbox) ベース ネットワークのいずれかを使用して DeepLab v3+ ネットワークを作成する場合、深さ方向に分離可能な畳み込みがアトラス空間ピラミッドプーリング (ASPP) および復号化器サブネットワークで使用されます。他のすべてのベース ネットワークでは、畳み込み層が使用されます。この DeepLab v3+ の実装には、ASPP にグローバル平均プーリング層が含まれていません。
参照
[1] Chen, L., Y. Zhu, G. Papandreou, F. Schroff, and H. Adam. "Encoder-Decoder with Atrous Separable Convolution for Semantic Image Segmentation." Computer Vision — ECCV 2018, 833-851. Munic, Germany: ECCV, 2018.
拡張機能
バージョン履歴
R2024a で導入
参考
オブジェクト
dlnetwork(Deep Learning Toolbox)
関数
trainnet(Deep Learning Toolbox) |unet|unet3d|semanticseg
トピック
- 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
- MATLAB による深層学習 (Deep Learning Toolbox)
