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。

グラウンド トゥルース データから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 ネットワークを学習させる

イメージ ラベラービデオ ラベラーグラウンド トゥルース ラベラー (Automated Driving System Toolbox™ が必要) アプリを Computer Vision System Toolbox™ のオブジェクトや関数と一緒に使用して、グラウンド トゥルース データからアルゴリズムに学習させることができます。まず、ラベル付けアプリを使用して、ビデオ、イメージ シーケンス、イメージの集合、またはカスタム データ ソースに対話形式でラベルを付けます。次に、グラウンド トゥルース データを使用して、アルゴリズム学習データを作成します。オブジェクト検出器の場合、関数 objectDetectorTrainingData を使用します。セマンティック セグメンテーション ネットワークの場合、関数 pixelLabelTrainingData を使用します。

  1. ラベル付け用データの読み込み:

  2. データのラベル付けとオートメーション アルゴリズムの選択: ROI およびシーン ラベルをアプリ内で作成します。詳細は、次を参照してください。

    組み込みのアルゴリズムのいずれか 1 つを選択するか、独自のカスタム アルゴリズムを作成してデータのオブジェクトにラベルを付けることができます。独自のオートメーション アルゴリズムを作成する方法については、ラベル付け用オートメーション アルゴリズムの作成を参照してください。

  3. ラベルのエクスポート: データのラベル付けの後に、ラベルをワークスペースにエクスポートするか、それらをファイルに保存できます。ラベルは groundTruth オブジェクトとしてエクスポートされます。データ ソースが複数のイメージの集合から構成されている場合、イメージの集合のセット全体にラベルを付けて、groundTruth オブジェクトの配列を取得します。groundTruth オブジェクトの共有の詳細については、ラベル付きのグラウンド トゥルース データの共有と保存を参照してください。

  4. 学習データの作成: groundTruth オブジェクトから学習データを作成するには、次の関数のいずれかを使用します。

    • オブジェクト検出器用の学習データ — 関数 objectDetectorTrainingData を使用します。

    • セマンティック セグメンテーション ネットワーク用の学習データ — 関数 pixelLabelTrainingData を使用します。

    サンプリング係数を指定して、グラウンド トゥルース データをサンプリングします。サンプリングによって、類似のサンプルの使用によるオブジェクト検出器の過学習が軽減されます。ビデオ ファイルまたはカスタム データ ソースを使用して作成したオブジェクトの場合、関数 objectDetectorTrainingData および pixelLabelTrainingData がイメージを groundTruth のディスクに書き込みます。

  5. アルゴリズムの学習:

参考

アプリ

関数

関連するトピック