컴퓨터 비전을 위한 딥러닝

시맨틱 분할, 객체 검출 및 이미지 인식. 딥러닝이 통합된 컴퓨터 비전 응용 프로그램은 딥러닝의 정확도를 갖춘 고급 알고리즘이 제공됩니다. MATLAB®은 딥러닝 모델을 설계하고, 생성하고, 컴퓨터 비전 응용 프로그램과 통합할 수 있는 환경을 제공합니다.

다음과 같은 컴퓨터 비전 전용 기능을 사용하여 쉽게 시작할 수 있습니다.

  • 이미지 및 비디오 라벨링 앱
  • 학습, 테스트 및 검증을 위해 필요한 방대한 양의 데이터를 처리할 이미지 데이터저장소
  • 이미지 및 컴퓨터 비전에 특화된 전처리 기법
  • 이미지 인식을 위해 TensorFlow™-Keras 및 PyTorch에서 딥러닝 모델을 가져오는 기능

워크플로 살펴보기

MATLAB에서는 컴퓨터 비전과 딥러닝을 위한 맞춤 워크플로를 설계할 다양한 도구를 제공합니다.

데이터 준비

액세스

이미지 데이터저장소를 사용하여 다량의 데이터를 쉽고 빠르게 액세스하고 관리할 수 있습니다.

합성

딥러닝에서 정확한 모델을 설계하려면 방대한 데이터가 필요합니다. 데이터 증강을 사용하여 학습 알고리즘에 입력되는 샘플 및 샘플 변형 개수를 늘릴 수 있습니다. 이미지 데이터 증강 기법을 사용하여 학습 이미지에 회전 및 크기 변동을 추가하면 견고한 분류를 위해 더 많은 학습 이미지를 만들 수 있습니다.

라벨링 및 전처리

픽셀 라벨링 및 관심 객체 영역을 포함하는 이미지 및 비디오 라벨링을 사용하면 수동 라벨링 작업에 필요한 시간을 절약할 수 있습니다. 네트워크 학습을 진행하기 전에 이미지 처리 도구를 사용하여 이미지를 자르고, 디블러링하고, 밝기를 높이고, 보정할 수 있습니다.

자세히 보기

네트워크 설계, 학습 및 평가

대화형 방식으로 네트워크를 설계하고, NVIDIA® GPU를 사용하여 학습 속도를 높이고, 더 빠르게 양질의 결과를 얻으십시오.

설계

사전 학습된 모델을 ONNX™를 사용하여 가져온 다음 Deep Network Designer 앱을 사용하여 계층을 추가하거나, 제거하거나, 순서를 바꿀 수 있습니다.

학습

GPU를 하나만 사용하든, 여러 개의 GPU를 사용하든, 클라우드를 사용하든, 아니면 NVIDIA DGX를 사용하든, MATLAB은 코드 한 줄로 복수 GPU 학습을 지원합니다.

평가

언제든지 네트워크의 성능을 확인할 수 있습니다.

  • 학습 전: 네트워크 분석기를 사용하여 네트워크 계층을 분석하고 계층 입력/출력 호환성을 확인합니다.
  • 학습 중: 네트워크가 언제든지 학습을 진행하고 중지하는 동안 검증 정확도 플롯을 시각화합니다.

자세히 보기

배포

어디에서나 딥러닝 모델을 배포할 수 있습니다. ARM® 및 Intel® MKL-DNN에서 네이티브로 실행되는 코드를 자동으로 생성하십시오. 딥러닝 모델을 가져와서 TensorRT 및 CuDNN 라이브러리를 대상으로 하는 CUDA® 코드를 생성하십시오.

자세히 보기

컴퓨터 비전을 위한 딥러닝 예제

MATLAB provides tools for specific deep learning applications such as:

Visual Inspection and Defect Detection

Automated inspection and defect detection are critical for high-throughput quality control in production systems. With MATLAB, you can develop deep learning–based approaches to detect and localize different types of anomalies.

MATLAB은 다음과 같은 딥러닝 학습 응용 프로그램을 위한 도구를 제공합니다.

시맨틱 분할

시맨틱 분할은 각 픽셀을 특정 범주로 라벨링하는 작업입니다. 시맨틱 분할은 자율 주행과 의료 영상 처리의 핵심 기술입니다.

객체 검출

객체 검출은 YOLO v2나 Faster-RCNN과 같은 분류 기법을 사용하여 장면에 있는 객체를 식별합니다.

이미지 및 비디오 분류

최신 연구 모델과 전이 학습 기법을 사용하여 이미지와 비디오에 있는 객체를 식별합니다.

3D 데이터

MATLAB을 사용하면 희소 및 고밀도 3D 기법을 사용하여 3D 데이터를 처리할 수 있습니다. 활용 분야로는 Lidar 분류, 의료 영상의 3D 스택 등이 있습니다.

컴퓨터 비전을 위한 딥러닝에 대한 자세한 내용