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

最新のリリースでは、このページがまだ翻訳されていません。このページの最新版は英語でご覧になれます。

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ネットワークの学習

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

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。深層学習ワークフローのための Image Processing Toolbox を使用したイメージ拡張 (Deep Learning Toolbox)を参照してください。

イメージラベラー 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。