Elaborazione di immagini e computer vision

Estendere i workflow di Deep Learning con le applicazioni di elaborazione di immagini, computer vision, imaging medico, Lidar e guida automatizzata

Utilizzare Deep Learning Toolbox™ per incorporare il Deep Learning in applicazioni di elaborazione di immagini, computer vision, imaging medico, elaborazione Lidar e guida automatizzata.

Categorie

Elaborazione di immagini
Estendere i workflow di Deep Learning con le applicazioni di elaborazione dell’immagine
Computer vision
Estendere i workflow di Deep Learning con le applicazioni di computer vision
Imaging medico
Estendere i workflow di Deep Learning per le applicazioni di elaborazione di immagini mediche
Elaborazione Lidar
Estendere i workflow di Deep Learning per l’elaborazione di nuvole di punti Lidar
Guida automatizzata
Estendere i workflow di Deep Learning con le applicazioni di guida automatizzata

Esempi in primo piano

Object Detection Using Faster R-CNN Deep Learning

Train a Faster R-CNN (regions with convolutional neural networks) object detector.

Apri live script

Increase Image Resolution Using Deep Learning

Create a high-resolution image from a low-resolution image using a very-deep super-resolution (VDSR) neural network.

Apri live script

Cardiac Left Ventricle Segmentation from Cine-MRI Images Using U-Net Network

Segment 2-D cardiac MRI images using U-Net, and explore predictions using Grad-CAM explainability maps.

Apri live script

Lidar Object Detection Using Complex-YOLO v4 Network

Detect objects in point clouds using you only look once version 4 (YOLO v4) deep learning network. In this example, you will

Apri live script

Train Deep Learning Semantic Segmentation Network Using 3-D Simulation Data

Use 3-D simulation data to train a semantic segmentation network and fine-tune it to real-world data using generative adversarial networks (GANs).

Apri live script

Train a Deep Learning Vehicle Detector

Train a vision-based vehicle detector using deep learning.

Apri live script