Main Content

このページの内容は最新ではありません。最新版の英語を参照するには、ここをクリックします。

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

セグメンテーションはイメージの解析タスクに欠かせません。"セマンティック セグメンテーション" は、イメージの各ピクセルをクラス ラベル ("花"、"人物"、"道路"、"空"、"海洋"、"自動車" など) に関連付けるプロセスを表します。

セマンティック セグメンテーションの応用例は次のとおりです。

  • 自動運転

  • 工業検査

  • 衛星画像に表示される地形の分類

  • 医用画像解析

セマンティック セグメンテーション用学習データのラベル付け

大規模なデータセットを使用すると、特定の入力 (または入力の縦横比) に、より高速かつ正確にマッピングできるようになります。データ拡張を使用すると、限られたデータセットを活用して学習を行うことができます。平行移動、トリミング、変換などのわずかな変更をイメージに加えることで、特徴的な一意のイメージが新たに作成されます。イメージの深層学習向け前処理を参照してください。

イメージ ラベラー、ビデオ ラベラー、またはグラウンド トゥルース ラベラー (Automated Driving Toolbox) (Automated Driving Toolbox™ で利用可能) アプリを使用して、対話形式でピクセルにラベル付けし、ラベル データを学習用にエクスポートできます。このアプリを使用して、四角形の関心領域 (ROI) とシーン ラベルをイメージ分類用にラベル付けすることもできます。

セマンティック セグメンテーション ネットワークの学習とテスト

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手順は次のとおりです。

1. セマンティック セグメンテーション用の学習データの解析

2. セマンティック セグメンテーション ネットワークの作成

3. セマンティック セグメンテーション ネットワークの学習

4. セマンティック セグメンテーションの結果の評価と検査

事前学習済みの DeepLabv3+ ネットワークを使用したオブジェクトのセグメント化

MathWorks® GitHub リポジトリでは、ダウンロードして使用できる最新の事前学習済み深層学習ネットワークの実装を提供しており、すぐに推論を実行できます。

最新の MathWorks 事前学習済みセマンティック セグメンテーション モデルおよび例の一覧については、MATLAB Deep Learning (GitHub) を参照してください。

参考

アプリ

関数

オブジェクト

関連する例

詳細