セマンティック セグメンテーション
関数
トピック
開始
- 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
U-Net や DeepLab v3+ などの深層学習ネットワークを使用して、オブジェクトをクラス別にセグメント化する。 - 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。
セマンティック セグメンテーション用のグラウンド トゥルース データの作成
- 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
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ために、ラベル付けアプリを使用して、ピクセルにラベルを付けます。 - ラベラー アプリにおけるエクスポートしたピクセル ラベルの保存方法
ラベル付けアプリがピクセル ラベル データを保存する方法を学習します。
セマンティック セグメンテーション用学習データの作成
- 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 ラベラーやビデオ 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。 - 深層学習用イメージ前処理とイメージ拡張の入門
サイズ変更などの確定的演算を使用して深層学習アプリケーション用にデータを前処理する。あるいは、ランダム トリミングなどのランダム演算を使用して学習データを拡張する。
注目の例
Automatically Label Ground Truth Using Segment Anything Model
Produce pixel labels for semantic segmentation using the Segment Anything Model (SAM) in the イメージ ラベラー app. The SAM is an automatic segmentation technique that you can use to segment object regions to label with just a few clicks, or automatically segment the entire image and instantaneously create labels for selected regions. In this example, you interactively label pixels for semantic segmentation in two ways.
膨張畳み込みを使用したセマンティック セグメンテーション
膨張畳み込みを使用したセマンティック セグメンテーション。
深層学習を使用したマルチスペクトル イメージのセマンティック セグメンテーション
この例では、U-Net を使用して 7 チャネルのマルチスペクトル イメージのセマンティック セグメンテーションを実行する方法を示します。
Grad-CAM を使用したセマンティック セグメンテーション ネットワークの調査
Grad-CAM を使用してセマンティック セグメンテーション ネットワークの予測を調査する。
深層学習を使用したセグメンテーション マップからのイメージの生成
セマンティック セグメンテーション マップからのシーンの合成イメージの生成。
Generate Adversarial Examples for Semantic Segmentation
Generate adversarial examples for a semantic segmentation network using the basic iterative method (BIM).
Prune and Quantize Semantic Segmentation Network
Reduce the memory footprint of a semantic segmentation network and speed-up inference by compressing the network using pruning and quantization.
深層学習を使用した脳腫瘍の 3 次元セグメンテーション
この例では、3 次元医用画像から脳腫瘍のセマンティック セグメンテーションを実行する方法を説明します。
