AI モデル学習に向けたグラウンド トゥルースの使用
ラベル付きグラウンド トゥルース データは、オブジェクト検出、セマンティック セグメンテーション、イメージ分類、ビデオ アクティビティ認識を含む幅広いコンピューター ビジョン タスクにおいて、教師あり AI モデルに学習させるために不可欠です。Computer Vision Toolbox™ は、関連するラベルの選択、ファイル パスの変更、グラウンド トゥルース オブジェクトのマージ、および学習と評価に向けたデータ セットの整理など、深層学習学習用のラベル付きグラウンド トゥルース データを準備するための支援ツールを提供します。
イメージ ラベラー アプリとビデオ ラベラー アプリは、ラベル付きグラウンド トゥルース データを groundTruth オブジェクトの形式で出力します。ラベル付きグラウンド トゥルースを AI モデルと互換性のある形式に変換して学習データ セットを生成するには、objectDetectorTrainingData、pixelLabelTrainingData、sceneLabelTrainingData などの関数を使用します。これらの関数は、オブジェクト検出タスク、セグメンテーション タスク、および分類タスクをサポートします。詳細については、オブジェクト検出およびセマンティック セグメンテーション用の学習データとPostprocess Exported Labels for Instance Segmentation Trainingを参照してください。polyToBlockedImage を使用し、ブロック化されたイメージ表現を作成して、大規模なイメージを効率的に処理することもできます。
グラウンド トゥルース データから特定のラベルを選択し、タスク要件に基づいて注釈をフィルター処理および整理するには、selectLabelsByGroup、selectLabelsByType、selectLabelsByName などの関数を使用します。ツールボックスは、複数のグラウンド トゥルース オブジェクトを結合する merge 関数、データ セットの参照を更新する changeFilePaths 関数、ラベル情報を抽出する gatherLabelData 関数などを使用した、ラベル付きデータの後処理もサポートしています。ビデオ データについては、writeVideoScenes や sceneTimeRanges といったユーティリティが、シーンレベルの注釈を管理するのに役立ちます。
担当者間でイメージ ラベルを共有して確認するには、イメージ ラベラー アプリ内でチーム プロジェクトを作成することを検討してください。詳細については、Get Started with Team-Based Labelingを参照してください。
関数
トピック
- Elements of Ground Truth Objects
Understand how to save and pass data using a ground truth data object.
- 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
ラベル付けアプリからエクスポートしたラベル付きのグラウンド トゥルース データを共有および保存します。
- ラベラー アプリにおけるエクスポートしたピクセル ラベルの保存方法
ラベル付けアプリがピクセル ラベル データを保存する方法を学習します。
- オブジェクト検出およびセマンティック セグメンテーション用の学習データ
イメージ ラベラーやビデオ ラベラーを使用して、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の学習データを作成します。
- Postprocess Exported Labels for Instance Segmentation Training
Postprocess exported ground truth labels and create training datastore for training instance segmentation networks such as SOLOv2 or Mask R-CNN.
- 深層学習用のデータストア (Deep Learning Toolbox)
深層学習アプリケーションでデータストアを使用する方法を学びます。
- 深層学習用イメージ前処理とイメージ拡張の入門
サイズ変更などの確定的演算を使用して深層学習アプリケーション用にデータを前処理する。あるいは、ランダム トリミングなどのランダム演算を使用して学習データを拡張する。
注目の例
Create Instance Segmentation Training Data From Ground Truth
Create instance segmentation training data from a groundTruth object. To train a Mask R-CNN and SOLO v2 network using the trainMaskRCNN and trainSOLOv2 functions, respectively, format your input data as a 1-by-4 cell array containing the RGB training image, bounding boxes, instance labels, and instance masks. Convert your polygon ground data into a set of binary instance masks and axis-aligned rectangles for training.
