이미지의 의미론적 세분화하기
의미론적 세분화는 장면의 이해에 필요한 높은 수준의 작업이며, 그 응용은 자동 주행 자동차, 가상 현실, 사람과 컴퓨터의 상호 작용 등이 있습니다. 사진 분류는 사진 전체에 대해 예측하는 한편, 의미론적 세분화는 이미지의 각 픽셀을 구성 요소의 클래스로 분류하는 것을 목적으로 합니다. 이 예는 훈련된 이미지 세분화 네트워크를 사용하는 방법을 보여줍니다. 이 모델은 NetTrain을 사용하여 특정 데이터 용으로 조정할 수도 있습니다.
Neural Net Repository에서 훈련된 네트워크를 가지고 해당 자원 페이지에서 평가 함수를 복사합니다.
이 모델의 라벨 목록을 정의합니다. 모델 출력의 정수가 라벨 목록에서 요소에 해당합니다.
세분화 클래스에 따라 각 화소를 시각화하고 세분화를 원래의 이미지 위에 겹치는 함수를 씁니다. 완벽하지는 않지만 대부분의 개체가 제대로 세분화되어있는 것을 알 수 있습니다.
