Main Content

La traduction de cette page n'est pas à jour. Cliquez ici pour voir la dernière version en anglais.

Détection de points clés

Détecter les points clés dans des objets avec des réseaux de neurones à convolution (CNN)

La détection de points clés, également appelée localisation de points clés ou détection de points de repère, est une tâche de Computer Vision consistant à identifier et localiser des points d’intérêt spécifiques dans une image. Dans ce contexte, les points clés représentent des articulations du corps humain, des repères faciaux ou des points saillants sur les objets.

La détection de points clés donne des informations essentielles sur l’emplacement, la pose et la structure des objets ou entités d’une image. Elle joue donc un rôle crucial dans les applications de Computer Vision telles que :

  • Estimation de la pose

  • Détection et pistage d’objets

  • Analyse faciale

  • Réalité augmentée

Keypoint detection on a group of people

Les approches basées sur le Deep Learning pour la détection de points clés dans les objets utilisent des réseaux de neurones à convolution (CNN) tels qu’un réseau HRNet (High Resolution Deep Learning Network). Vous pouvez entraîner un détecteur de points clés personnalisé ou utiliser l’apprentissage par transfert pour modifier un détecteur préentraîné et l’affiner en fonction de votre application. Pour plus d’informations sur l’apprentissage par transfert, veuillez consulter Deep Learning : apprentissage par transfert en 10 lignes de code MATLAB.

Les réseaux de neurones à convolution nécessitent une licence Deep Learning Toolbox™. L’apprentissage et la prédiction basés sur GPU sont possibles sur un GPU compatible CUDA®. L’utilisation d’un GPU est recommandée et nécessite une licence Parallel Computing Toolbox™. Pour plus d’informations, veuillez consulter Préférences de Computer Vision Toolbox et Parallel Computing Support in MathWorks Products (Parallel Computing Toolbox).

Applications

Image LabelerLabel images for computer vision applications
Video LabelerLabel video for computer vision applications
Deep Network DesignerConcevoir et visualiser des réseaux de Deep Learning

Fonctions

développer tout

hrnetObjectKeypointDetectorCreate object keypoint detector using HRNet deep learning network (depuis R2023b)
trainHRNetObjectKeypointDetectorTrain HRNet object keypoint detector (depuis R2024a)
insertObjectKeypointsInsert object keypoints in image (depuis R2023b)
loadHRNETObjectKeypointDetectorLoad HRNet object keypoint detector model for code generation (depuis R2023b)

Rubriques

  • 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.

Exemples présentés