Segmentazione dell'istanza
La segmentazione delle istanze è una tecnica di visione artificiale che svolge un ruolo cruciale nelle attività che richiedono una precisa localizzazione degli oggetti e l'identificazione delle singole istanze dell'oggetto come, ad esempio, nell'imaging medico e nella guida autonoma. Combinando i principi del rilevamento dell'oggetto e della segmentazione semantica, la segmentazione dell'istanza fornisce una comprensione maggiormente raffinata dei dati visivi, identificando le singole istanze dell'oggetto e delineandone i confini pixel per pixel. Utilizzare la segmentazione dell'istanza per identificare, classificare e separare con precisione i singoli oggetti all'interno di un'immagine.
È possibile eseguire l'inferenza su un'immagine utilizzando una rete di Deep Learning preaddestrata oppure addestrare una rete utilizzando il Transfer learning. Il Transfer learning è un approccio che consente di partire da una rete preaddestrata e di addestrarla su un set di dati personalizzato per l'applicazione. È possibile generare in modo interattivo i dati di verità per l'addestramento utilizzando l'applicazione Image Labeler, Video Labeler o Ground Truth Labeler (Automated Driving Toolbox) per etichettare i pixel ed esportare i dati delle etichette. La segmentazione dell'istanza richiede Deep Learning Toolbox™. Supporto per l'addestramento e l'inferenza di GPU con capacità CUDA®. L'utilizzo di una GPU è consigliato e richiede Parallel Computing Toolbox™. Per ulteriori informazioni, vedere Parallel Computing Support in MathWorks Products (Parallel Computing Toolbox).
Funzioni
Argomenti
Come iniziare
- Get Started with Instance Segmentation Using Deep Learning
Segment objects using an instance segmentation model such as SOLOv2 or Mask R-CNN. - Get Started with SOLOv2 for Instance Segmentation
Perform multiclass instance segmentation using SOLOv2 and deep learning. - Getting Started with Mask R-CNN for Instance Segmentation
Perform multiclass instance segmentation using Mask R-CNN and deep learning.
Dati di addestramento per la segmentazione dell'istanza
- Get Started with Image Preprocessing and Augmentation for Deep Learning
Preprocess data for deep learning applications with deterministic operations such as resizing, or augment training data with randomized operations such as random cropping. - Datastores for Deep Learning (Deep Learning Toolbox)
Learn how to use datastores in deep learning applications.
Esempi in primo piano
Perform Instance Segmentation Using SOLOv2
Segment object instances of randomly rotated machine parts in a bin using a deep learning SOLOv2 network.
Perform Instance Segmentation Using Mask R-CNN
Segment individual instances of people and cars using a multiclass mask region-based convolutional neural network (R-CNN).
Perform 6-DoF Pose Estimation for Bin Picking Using Deep Learning
Perform six degrees-of-freedom (6-DoF) pose estimation by estimating the 3-D position and orientation of machine parts in a bin using RGB-D images and a deep learning network.
