La traduction de cette page n'est pas à jour. Cliquez ici pour voir la dernière version en anglais.
Segmentation d’instances
La segmentation d’instances est une technique de Computer Vision qui joue un rôle crucial dans les tâches exigeant une localisation précise des objets ainsi que l’identification des instances d’objet individuelles, comme l’imagerie médicale et la conduite autonome. Grâce à l’association des principes de la détection d’objets et de la segmentation sémantique, la segmentation d’instances permet d’affiner la compréhension des données visuelles en identifiant les instances d’objet individuelles et en les délimitant pixel par pixel. Utilisez la segmentation d’instances pour identifier, classer et séparer avec précision les objets individuels d’une image.
Vous pouvez effectuer des inférences sur une image avec un réseau de Deep Learning préentraîné ou entraîner un réseau avec l’apprentissage par transfert. L’apprentissage par transfert est une approche qui consiste à commencer avec un réseau préentraîné, puis à l’entraîner avec un jeu de données personnalisé en fonction de votre application. Il est possible de générer des données de vérité-terrain de manière interactive pour l’apprentissage en utilisant l’application Image Labeler, Video Labeler ou Ground Truth Labeler (Automated Driving Toolbox) pour labéliser les pixels et exporter les données labélisées. La segmentation d’instances nécessite Deep Learning Toolbox™. L’apprentissage et l’inférence supportent les GPU compatibles CUDA®. L’utilisation d’un GPU est recommandée et nécessite Parallel Computing Toolbox™. Pour plus d’informations, veuillez consulter Parallel Computing Support in MathWorks Products (Parallel Computing Toolbox).
Fonctions
Rubriques
En savoir plus
- 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.
Préparer des données d’apprentissage pour la segmentation d’instances
- 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.
Sélection d՚exemples
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.
