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
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。
evaluateSemanticSegmentation
| fcnLayers
| pixelLabelDatastore
| segnetLayers
| semanticseg
| semanticSegmentationMetrics
| unet3dLayers
| unetLayers