Keypoint-Erkennung
Die Keypoint-Erkennung, auch als Keypoint-Lokalisierung oder Landmark-Erkennung bekannt, ist eine Computer-Vision-Aufgabe, bei der bestimmte relevante Punkte in einem Bild identifiziert und lokalisiert werden. Bei Computer-Vision-Aufgaben können Keypoints beispielsweise Gelenke des menschlichen Körpers, Gesichtsmerkmale oder markante Punkte von Objekten sein.
Die Keypoint-Erkennung bietet wichtige Informationen zu Stelle, Pose und Struktur von Objekten in einem Bild und spielt so eine wichtige Rolle bei Computer-Vision-Anwendungen.
Posenschätzung
Objekterkennung und Tracking
Gesichtsanalyse
Augmented Reality
Bei Deep-Learning-Ansätzen für die Keypoint-Erkennung in Objekten kommen Convolutional Neural Networks (CNNs) wie z. B. ein High Resolution Deep Learning Network (HRNet) zum Einsatz. Sie können einen benutzerdefinierten Objekt-Keypoint-Detektor trainieren oder einen vortrainierten Keypoint-Detektor mit Transfer Learning modifizieren und auf Ihre Anwendung abstimmen. Weitere Informationen zu Transfer Learning finden Sie unter Deep Learning: Transfer Learning in 10 Zeilen MATLAB Code.
Convolutional Neural Networks benötigen eine Lizenz für die Deep Learning Toolbox™. Sie können GPU-basiertes Training und Prognosen auf einer CUDA®-kompatiblen GPU ausführen. Die Verwendung einer GPU wird empfohlen; hierfür wird eine Lizenz für die Parallel Computing Toolbox™ benötigt. Weitere Informationen finden Sie unter Einstellungen der Computer Vision Toolbox und Parallel Computing Support in MathWorks Products (Parallel Computing Toolbox).
Apps
| Image Labeler | Label images for computer vision applications |
| Video Labeler | Label video for computer vision applications |
| Deep Network Designer | Entwurf und Visualisierung von Deep-Learning-Netzen |
Funktionen
Themen
- 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)
Discover deep learning capabilities in MATLAB® using convolutional neural networks for classification and regression, including pretrained networks and transfer learning, and training on GPUs, CPUs, clusters, and clouds.
- List of Deep Learning Layers (Deep Learning Toolbox)
Discover all the deep learning layers in MATLAB.
- Pretrained Deep Neural Networks (Deep Learning Toolbox)
Learn how to download and use pretrained convolutional neural networks for classification, transfer learning and feature extraction.
Enthaltene Beispiele
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.
