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
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) 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。
既存のピクセル ラベルを含むデータ セットのインポートの詳細については、セマンティック セグメンテーションのピクセル ラベル付きデータセットのインポートを参照してください。
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。
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
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
semanticseg
|semanticSegmentationMetrics
|evaluateSemanticSegmentation
|pixelLabelDatastore
|deeplabv3plus
|unet
|unet3d
|dlnetwork
(Deep Learning Toolbox)
関連する例
- セマンティック セグメンテーションのためのピクセル ラベルの拡張
- セマンティック セグメンテーションのピクセル ラベル付きデータセットのインポート
- 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
- 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
- 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
- ブロックベースのワークフローにおけるセグメンテーション メトリクスの計算
- 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
詳細
- MATLAB による深層学習 (Deep Learning Toolbox)