Main Content

Die Übersetzung dieser Seite ist veraltet. Klicken Sie hier, um die neueste Version auf Englisch zu sehen.

Instanzensegmentierung

Durchführen von Instance Segmentation mithilfe vortrainierter Deep-Learning-Netzwerke und Trainieren von Netzwerken mithilfe von Transfer Learning an benutzerdefinierten Daten

Die Instance Segmentation ist eine Computer-Vision-Technik, die eine wichtige Rolle bei Aufgaben spielt, bei denen Objekte präzise lokalisiert und einzelne Objektinstanzen identifiziert werden müssen, wie beispielsweise bei der medizinischen Bildgebung und dem autonomen Fahren. Durch Kombination der Prinzipien der Objekterkennung und semantischen Segmentierung kann die Instance Segmentation visuelle Daten präziser aufschlüsseln, indem einzelne Objektinstanzen identifiziert und ihre Ränder Pixel um Pixel eingezeichnet werden. Mit Instance Segmentation können Sie einzelne Objekte in einem Bild präzise identifizieren, klassifizieren und trennen.

Sie können Inferenz an einem Bild mit einem vortrainierten Deep-Learning-Netzwerks ausführen oder ein Netzwerk mit Transfer Learning trainieren. Transfer Learning ist ein Ansatz, bei dem Sie mit einem vortrainierten Netzwerk beginnen und dieses mit einem benutzerdefinierten Datensatz für Ihre Anwendung trainieren. Sie können Ground-Truth-Daten für das Training interaktiv generieren, indem Sie die Apps Image Labeler, Video Labeler oder Ground Truth Labeler (Automated Driving Toolbox) zur Kennzeichnung von Pixeln und zum Export der Kennzeichnungsdaten verwenden. Instance Segmentation benötigt Deep Learning Toolbox™. Training und Inferenz unterstützt CUDA®-kompatible Grafikkarten. Die Verwendung einer GPU wird empfohlen; hierfür wird die Parallel Computing Toolbox™ benötigt. Weitere Informationen finden Sie unter Parallel Computing Support in MathWorks Products (Parallel Computing Toolbox).

Instance segmentation using SOLOv2: Left — segmented and labeled road scenario using a sample modified RGB image from the CamVid data set, Right — segmented image of PVC pipe connectors

Funktionen

alle erweitern

Konfigurieren eines Instance Segmentation-Netzwerks

solov2Segment objects using SOLOv2 instance segmentation network (Seit R2023b)
maskrcnnDetect objects using Mask R-CNN instance segmentation (Seit R2021b)

Durchführen von Inferenz

segmentObjectsSegment objects using Mask R-CNN instance segmentation (Seit R2021b)
segmentObjectsSegment objects using SOLOv2 instance segmentation (Seit R2023b)

Laden von Trainingsdaten

boxLabelDatastoreDatastore for bounding box label data
groundTruthGround truth label data
imageDatastoreDatastore for image data
combineCombine data from multiple datastores

Trainieren von Instance Segmentation-Netzwerken

trainSOLOV2Train SOLOv2 network to perform instance segmentation (Seit R2023b)
trainMaskRCNNTrain Mask R-CNN network to perform instance segmentation (Seit R2022a)

Erweitern und Vorverarbeiten von Trainingsdaten

poly2maskConvert region of interest (ROI) polygon to region mask
bwboundariesTrace object boundaries in binary image
balanceBoxLabelsBalance bounding box labels for object detection (Seit R2020a)
bboxcropCrop bounding boxes
bboxeraseRemove bounding boxes (Seit R2021a)
bboxresizeResize bounding boxes
bboxwarpApply geometric transformation to bounding boxes
bbox2pointsConvert rectangle to corner points list
imwarpApply geometric transformation to image
imcropCrop image
imresizeResize image
randomAffine2dCreate randomized 2-D affine transformation
centerCropWindow2dCreate rectangular center cropping window
randomWindow2dRandomly select rectangular region in image (Seit R2021a)
insertObjectMask Insert masks in image or video stream (Seit R2020b)
insertObjectAnnotationAnnotate truecolor or grayscale image or video
insertShapeInsert shapes in image or video
showShapeDisplay shapes on image, video, or point cloud (Seit R2020b)
evaluateInstanceSegmentationEvaluate instance segmentation data set against ground truth (Seit R2022b)
instanceSegmentationMetricsInstance segmentation quality metrics (Seit R2022b)
metricsByAreaEvaluate instance segmentation across object mask size ranges (Seit R2023b)
posemaskrcnnPredict object pose using Pose Mask R-CNN pose estimation (Seit R2024a)
predictPoseEstimate object pose using Pose Mask R-CNN deep learning network (Seit R2024a)
trainPoseMaskRCNNTrain Pose Mask R-CNN network to perform pose estimation (Seit R2024a)

Themen

Erste Schritte

Trainingsdaten für Instance Segmentation

Enthaltene Beispiele