Rilevamento dei punti chiave
Il rilevamento dei punti chiave, noto anche come localizzazione dei punti chiave o rilevamento dei punti di riferimento, è un'attività di visione artificiale che prevede l'identificazione e la localizzazione di specifici punti di interesse in un'immagine. Nelle attività di visione artificiale, i punti chiave rappresentano le articolazioni del corpo umano, i punti di riferimento del viso o i punti salienti degli oggetti.
Il rilevamento dei punti chiave fornisce informazioni essenziali sulla posizione, la posa e la struttura di oggetti o entità all'interno di un'immagine, svolgendo un ruolo fondamentale nelle applicazioni di visione artificiale come queste.
Stima della posa
Rilevamento e tracking dell'oggetto
Analisi facciale
Realtà aumentata
Gli approcci basati su Deep Learning per il rilevamento dei punti chiave negli oggetti utilizzano reti neurali convoluzionali (CNN), come una rete di Deep Learning ad alta risoluzione (HRNet). È possibile addestrare un rilevatore dei punti chiave nell'oggetto personalizzato o utilizzare il Transfer learning per modificare un rilevatore dei punti chiave preaddestrato e sincronizzarlo per l'applicazione. Per ulteriori informazioni sul Transfer learning, vedere Deep Learning: Transfer Learning in 10 righe di codice MATLAB.
Le reti neurali convoluzionali richiedono una licenza Deep Learning Toolbox™. È possibile eseguire l'addestramento e la previsione basati su GPU su una GPU con capacità CUDA®. L'utilizzo di una GPU è consigliato e richiede una licenza Parallel Computing Toolbox™. Per ulteriori informazioni, vedere Preferenze Computer Vision Toolbox e Parallel Computing Support in MathWorks Products (Parallel Computing Toolbox).
App
| Image Labeler | Label images for computer vision applications |
| Video Labeler | Label video for computer vision applications |
| Deep Network Designer | Progettare e visualizzare reti di Deep Learning |
Funzioni
Argomenti
- Getting Started with HRNet
Learn high resolution network (HRNet) basics.
- Local Feature Detection and Extraction
Learn the benefits and applications of local feature detection and extraction.
- Point Feature Types
Choose functions that return and accept points objects for several types of features.
- Deep Learning in MATLAB (Deep Learning Toolbox)
Scoprire le capacità del Deep Learning in MATLAB® utilizzando le reti neurali convoluzionali per la classificazione e la regressione, incluse le reti preaddestrate e il transfer learning, nonché l’addestramento su GPU, CPU, cluster e cloud.
- List of Deep Learning Layers (Deep Learning Toolbox)
Discover all the deep learning layers in MATLAB.
- Reti neurali profonde preaddestrate (Deep Learning Toolbox)
Apprendere come scaricare e utilizzare le reti neurali convoluzionali preaddestrate per la classificazione, il transfer learning e l’estrazione di feature.
Esempi in primo piano
Hand Pose Estimation Using HRNet Deep Learning
Detect keypoints in a human hand and estimate the hand pose using the HRNet deep learning network.
Multi-Object Tracking and Human Pose Estimation
Detect multiple people, track them, and estimate their body poses in a video by using pretrained deep learning networks and a global nearest-neighbor (GNN) assignment tracking approach.
