인스턴스 분할

사전 훈련된 딥러닝 신경망을 사용하여 인스턴스 분할을 수행하고, 사용자 지정 데이터에 전이 학습을 사용하여 신경망 훈련

인스턴스 분할은 의료 영상 처리와 자율 주행 같은 정밀한 객체 위치추정과 개별 객체 인스턴스 식별을 요하는 작업에서 핵심 역할을 하는 컴퓨터 비전 기술입니다. 인스턴스 분할은 객체 탐지 원리와 의미론적 분할 원리를 결합하여 개별 객체 인스턴스를 식별하고 그 경계를 픽셀 단위로 기술함으로써 시각적 데이터를 보다 정교하게 이해할 수 있도록 해줍니다. 영상 내의 개별 객체들을 정확하게 식별, 분류 및 분리하려면 인스턴스 분할을 사용하십시오.

사전 훈련된 딥러닝 신경망을 사용하여 영상에 대해 추론을 수행하거나 전이 학습 수행을 통해 신경망을 훈련시킬 수 있습니다. 전이 학습은 사전 훈련된 신경망으로 시작해서 응용 사례에 맞게 사용자 지정 데이터 세트에서 훈련시킬 수 있는 접근 방식입니다. 영상 레이블 지정기, 비디오 레이블 지정기 또는 Ground Truth 레이블 지정기 (Automated Driving Toolbox) 앱으로 훈련에 사용할 ground truth 데이터를 대화형 방식으로 생성하여 픽셀에 레이블을 지정하고 레이블 데이터를 내보낼 수 있습니다. 인스턴스 분할을 사용하려면 Deep Learning Toolbox™가 필요합니다. 훈련과 추론에는 CUDA^® 지원 GPU를 사용할 수 있습니다. GPU를 사용하는 것이 권장되며, 이를 위해서는 Parallel Computing Toolbox™가 필요합니다. 자세한 내용은 Parallel Computing Support in MathWorks Products (Parallel Computing Toolbox) 항목을 참조하십시오.

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

함수

모두 확장

영상에서 객체 분할하기

인스턴스 분할 신경망 구성

`solov2`	Segment objects using SOLOv2 instance segmentation network (R2023b 이후)
`maskrcnn`	Detect objects using Mask R-CNN instance segmentation (R2021b 이후)

추론 수행

`segmentObjects`	Segment objects using Mask R-CNN instance segmentation (R2021b 이후)
`segmentObjects`	Segment objects using SOLOv2 instance segmentation (R2023b 이후)

사용자 지정된 인스턴스 분할 신경망 훈련

훈련 데이터 불러오기

`boxLabelDatastore`	Datastore for bounding box label data
`groundTruth`	Ground truth label data
`imageDatastore`	이미지 데이터의 데이터저장소
`combine`	여러 데이터저장소의 데이터 결합

인스턴스 분할 신경망 훈련

`trainSOLOV2`	Train SOLOv2 network to perform instance segmentation (R2023b 이후)
`trainMaskRCNN`	Train Mask R-CNN network to perform instance segmentation (R2022a 이후)

훈련 데이터 증강 및 전처리

`poly2mask`	관심 영역(ROI) 다각형을 영역 마스크로 변환
`bwboundaries`	이진 영상에서 객체 경계선 추적
`balanceBoxLabels`	Balance bounding box labels for object detection (R2020a 이후)
`bboxcrop`	Crop bounding boxes
`bboxerase`	Remove bounding boxes (R2021a 이후)
`bboxresize`	Resize bounding boxes
`bboxwarp`	Apply geometric transformation to bounding boxes
`bbox2points`	Convert rectangle to corner points list
`imwarp`	영상에 기하 변환 적용
`imcrop`	영상 자르기
`imresize`	이미지 크기 조정
`randomAffine2d`	Create randomized 2-D affine transformation
`centerCropWindow2d`	사각 형태의 가운데 자르기 창 만들기
`randomWindow2d`	Randomly select rectangular region in image (R2021a 이후)

결과 시각화하기

`insertObjectMask`	Insert masks in image or video stream (R2020b 이후)
`insertObjectAnnotation`	Annotate truecolor or grayscale image or video
`insertShape`	영상 또는 비디오에 형태 삽입
`showShape`	Display shapes on image, video, or point cloud (R2020b 이후)

예측 결과 평가

`evaluateInstanceSegmentation`	Evaluate instance segmentation data set against ground truth (R2022b 이후)
`instanceSegmentationMetrics`	Instance segmentation quality metrics (R2022b 이후)
`metricsByArea`	Evaluate instance segmentation across object mask size ranges (R2023b 이후)

인스턴스 분할을 사용하여 자세 추정 수행

`posemaskrcnn`	Predict object pose using Pose Mask R-CNN pose estimation (R2024a 이후)
`predictPose`	Estimate object pose using Pose Mask R-CNN deep learning network (R2024a 이후)
`trainPoseMaskRCNN`	Train Pose Mask R-CNN network to perform pose estimation (R2024a 이후)

도움말 항목

시작하기

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.

인스턴스 분할을 위한 데이터 훈련

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.