deeplabv3plusLayers

(削除予定) セマンティック イメージ セグメンテーション用の DeepLab v3+ 畳み込みニューラル ネットワークの作成

R2019b 以降

deeplabv3plusLayers は将来のリリースで削除される予定です。代わりに関数 deeplabv3plus を使用してください。詳細については、互換性の考慮事項を参照してください。

構文

layerGraph = deeplabv3plusLayers(imageSize,numClasses,network)

layerGraph = deeplabv3plusLayers(___,"DownsamplingFactor",value)

説明

layerGraph = deeplabv3plusLayers(imageSize,numClasses,network) は、指定されたベース ネットワーク、クラス数、およびイメージ サイズをもつ DeepLab v3+ 層を返します。

layerGraph = deeplabv3plusLayers(___,"DownsamplingFactor",value) はさらに、ダウンサンプリング係数 (出力ストライド) [1]を 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+ ネットワークの作成

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";
lgraph = deeplabv3plusLayers(imageSize,numClasses,network, ...
             "DownsamplingFactor",16);

ネットワークを表示します。

analyzeNetwork(lgraph)

入力引数

imageSize — ネットワーク入力のイメージ サイズ

2 要素ベクトル | 3 要素ベクトル

ネットワーク入力のイメージ サイズ。以下として指定します。

• [height, width] の形式の 2 要素ベクトル。

• [height, width, 3] の形式の 3 要素ベクトル。3 番目の要素 3 は、RGB に対応します。

numClasses — クラス数

1 より大きい整数

ネットワークが分類するクラス数。1 より大きい整数として指定します。

network — ベース ネットワーク

'resnet18' | 'resnet50' | 'mobilenetv2' | 'xception' | 'inceptionresnetv2'

ベース ネットワーク。resnet18 (Deep Learning Toolbox)、resnet50 (Deep Learning Toolbox)、mobilenetv2 (Deep Learning Toolbox)、xception (Deep Learning Toolbox)、または inceptionresnetv2 (Deep Learning Toolbox) として指定します。対応するネットワーク アドオンをインストールしなければなりません。

出力引数

layerGraph — DeepLab v3+ ネットワーク

layerGraph オブジェクト

DeepLab v3+ ネットワーク。セマンティック イメージ セグメンテーション用の layerGraph (Deep Learning Toolbox) オブジェクトとして返されます。ネットワークは、符号化器-復号化器アーキテクチャ、膨張畳み込み、およびスキップ接続を使用してイメージをセグメント化します。ネットワークをセマンティック セグメンテーション用に使用する前に、関数 trainNetwork (Deep Learning Toolbox) (Deep Learning Toolbox™ が必要) を使用してネットワークに学習させなければなりません。

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

GPU コード生成

GPU Coder™ を使用して NVIDIA® GPU のための CUDA® コードを生成します。

使用上の注意および制限:

コード生成では、まず関数 deeplabv3plusLayers を使用して DeepLab v3+ ネットワークを作成しなければなりません。次に、結果の lgraph オブジェクトに関数 trainNetwork を使用し、セグメンテーションについてネットワークに学習させます。ネットワークの学習と評価が済んだら、GPU Coder™ を使用して深層学習ネットワーク オブジェクトのコードを生成できます。

バージョン履歴

R2019b で導入

R2024a: deeplabv3plusLayers は削除予定

関数 deeplabv3plusLayers は将来のリリースで削除される予定です。代わりに関数 deeplabv3plus を使用してください。関数 deeplabv3plus は dlnetwork (Deep Learning Toolbox) オブジェクトを返します。このオブジェクトは、layerGraph オブジェクトに比べて次のような利点があります。

• dlnetwork オブジェクトは、関数 trainnet (Deep Learning Toolbox) を使用して簡単に学習させたり、外部のプラットフォームからインポートしたりできる、さまざまなネットワーク アーキテクチャをサポートしています。

• dlnetwork オブジェクトの方が柔軟です。このオブジェクトは、Deep Learning Toolbox の現在の機能や今後導入される機能をより幅広くサポートします。

• dlnetwork オブジェクトは、ネットワークの構築、予測、組み込み学習、圧縮、およびカスタム学習ループをサポートする統合されたデータ型を提供します。

• dlnetwork を使用した学習と予測は、通常、DAGNetwork と SeriesNetwork を使用した学習と予測よりも高速です。

コードを更新するには、deeplabv3plusLayers のインスタンスを関数 deeplabv3plus に置き換えます。入力引数を変更する必要はありません。

非推奨の使用方法	推奨される代替案
この例では、関数 deeplabv3plusLayers を使用して、LayerGraph オブジェクトとして返される DeepLab v3+ ネットワークを作成します。 imageSize = [480 640 3]; numClasses = 5; network = "resnet18"; deepLabNetwork = deeplabv3plusLayers(imageSize,numClasses,network, ... DownsamplingFactor=16);	以下は、代わりに関数 deeplabv3plus を使用して、dlnetwork オブジェクトとして返される DeepLab v3+ ネットワークを作成する同等のコードです。 imageSize = [480 640 3]; numClasses = 5; network = "resnet18"; deepLabNetwork = deeplabv3plus(imageSize,numClasses,network, ... DownsamplingFactor=16);

参考

deeplabv3plus | trainnet (Deep Learning Toolbox) | semanticseg | evaluateSemanticSegmentation

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)