基于深度学习的语义分割：从理论到实践（MATLAB 版详解）

紫气东来168

308人浏览 · 2026-07-19 00:39:31

紫气东来168 · 2026-07-19 00:39:31 发布

基于深度学习的语义分割：从理论到实践（MATLAB 版详解）

本文基于 MathWorks 官方示例，系统讲解语义分割的核心概念、DeepLab v3+ 网络结构、CamVid 数据集处理、训练与评估全流程。适合希望快速上手语义分割的开发者与研究者。

📌 目录

1. 语义分割是什么
2. 为什么选择 DeepLab v3+ 与 ResNet-18
3. 数据集：CamVid 详解与预处理
4. 网络构建与类平衡处理
5. 训练策略与超参数调优
6. 模型评估与指标解读
7. 代码逐段剖析（含重点函数）
8. 常见问题与优化建议
9. 总结与参考资料

1. 语义分割是什么

语义分割（Semantic Segmentation） 是计算机视觉中的核心任务，目标是对图像中的每个像素分配一个类别标签，从而产生“像素级”的分类结果。与目标检测（边界框）和图像分类（整体标签）不同，语义分割能够精细区分物体轮廓、遮挡关系，广泛应用于：

自动驾驶：区分道路、车辆、行人、交通标志等；
医学影像：分割肿瘤、器官、细胞等；
遥感分析：识别土地覆盖类型、建筑物等。

本示例使用 DeepLab v3+ 网络，它是一种基于空洞卷积（Atrous Convolution）的编码器-解码器结构，能够在保持高分辨率的同时扩大感受野，获得精细的分割边界。

2. 为什么选择 DeepLab v3+ 与 ResNet-18

2.1 DeepLab v3+ 核心亮点

编码器-解码器架构：编码器使用空洞卷积提取多尺度特征，解码器逐步恢复空间分辨率，弥补下采样造成的位置信息损失。
Atrous Spatial Pyramid Pooling (ASPP)：通过不同膨胀率的并行空洞卷积，捕捉多个尺度的上下文信息。
深度可分离卷积：在 ASPP 和 decoder 中采用，大幅减少参数量和计算量。

2.2 ResNet-18 作为骨干网络

轻量级残差网络，18 层深度，适合资源受限场景（如嵌入式设备）。
在 ImageNet 上预训练，提供了良好的特征提取能力，迁移学习效果好。
也可替换为 ResNet-50、MobileNet v2 等，依据应用场景权衡精度与速度。

3. 数据集：CamVid 详解与预处理

3.1 CamVid 数据集简介

来自剑桥大学，包含 701 张 街道驾驶场景图像（白天、黄昏）。
原始标注 32 个语义类别，本示例将其合并为 11 个常用类别（见表 1）。

合并后类别	原始包含类别（部分）
Sky	Sky
Building	Bridge, Building, Wall, Tunnel, Archway
Pole	Column_Pole, TrafficCone
Road	Road, LaneMkgsDriv, LaneMkgsNonDriv
Pavement	Sidewalk, ParkingBlock, RoadShoulder
Tree	Tree, VegetationMisc
SignSymbol	SignSymbol, Misc_Text, TrafficLight
Fence	Fence
Car	Car, SUVPickupTruck, Truck_Bus, Train, OtherMoving
Pedestrian	Pedestrian, Child, CartLuggagePram, Animal
Bicyclist	Bicyclist, MotorcycleScooter

📂 数据下载：图像压缩包约 557 MB，标签压缩包约 16 MB。示例中通过 websave 自动下载到临时目录。

3.2 数据加载与统计分析

使用 imageDatastore 加载原始图像，使用 pixelLabelDatastore 加载像素标签图像。标签图像以 RGB 颜色编码，通过 camvidPixelLabelIDs 函数映射到 11 个类别 ID。

类别分布分析：调用 countEachLabel 统计每个类别的像素数，并绘制频率直方图。结果显示 道路、天空、建筑 占主导，而 行人、骑车人 像素极少——这是典型的类别不平衡问题，需在训练时通过加权损失函数缓解。

4. 网络构建与类平衡处理

4.1 创建 DeepLab v3+ 网络

network = deeplabv3plus(imageSize, numClasses, "resnet18");

imageSize = [720, 960, 3] （高度×宽度×通道）
numClasses = 11
该函数自动加载预训练的 ResNet-18 作为编码器，并构建完整的 DeepLab v3+ 结构。

4.2 类别加权（Class Weighting）

为了对抗类别不平衡，采用 中值频率平衡（Median Frequency Balancing）：

imageFreq = tbl.PixelCount ./ tbl.ImagePixelCount;   % 每个类别的图像级频率
classWeights = median(imageFreq) ./ imageFreq;       % 权重 = 中位数 / 各自频率

频率较低的类别（如 Pedestrian）获得较大权重，迫使网络更加关注它们。
在损失函数中，每个像素的损失乘以其类别的权重。

在这里插入图片描述

5. 训练策略与超参数调优

5.1 数据划分与增强

训练集：60%（421 张）
验证集：20%（140 张）
测试集：20%（140 张）

数据增强（仅应用于训练集）：

随机水平翻转（左右镜像）
随机平移（X/Y 方向 ±10 像素）
使用 transform 结合 augmentImageAndLabel 函数，确保图像与标签同步变换。

5.2 训练选项（`trainingOptions`）

参数	值	说明
优化器	SGDM	带动量的随机梯度下降
初始学习率	1e-2	较高起步，加速收敛
学习率调度	piecewise	每 6 个 epoch 乘以 0.1
动量	0.9	常用值
L2 正则化	0.005	防止过拟合
MaxEpochs	18	总训练轮次
MiniBatchSize	4	根据 GPU 内存调整（可降至 1）
验证数据	`dsVal`	每 epoch 结束后评估
ValidationPatience	4	验证损失连续 4 轮不下降则停止训练
CheckpointPath	tempdir	每 epoch 保存中间模型，便于恢复

5.3 损失函数

使用交叉熵损失，并增加掩码处理（忽略无标签像素）和类别权重：

function loss = modelLoss(Y,T,classWeights)
    weights = dlarray(classWeights,"C");
    mask = ~isnan(T);            % 标签为 NaN 的像素不参与损失
    T(isnan(T)) = 0;
    loss = crossentropy(Y,T,weights,Mask=mask,NormalizationFactor="mask-included");
end

6. 模型评估与指标解读

6.1 单张图像测试

使用 semanticseg 对测试集单张图像进行预测，并利用 labeloverlay 可视化叠加结果。对比预测与真实标签（imshowpair 显示差异），可见道路、天空等大目标分割良好，行人、自行车等小目标误差较大。

6.2 交并比（IoU）

IoU（Intersection over Union） 是语义分割最常用的指标：

IoU = (预测 ∩ 真实) / (预测 ∪ 真实)

单张图像各类别 IoU 示例：

Road: 0.953
Sky: 0.936
Tree: 0.926
Pedestrian: 0.267 （明显偏低）

6.3 整体评估

使用 evaluateSemanticSegmentation 对整个测试集（140 张）计算指标，输出数据集级指标：

指标	值	含义
Global Accuracy	0.9075	正确分类的像素占比
Mean Accuracy	0.8883	各类别准确率的平均值
Mean IoU	0.6957	各类别 IoU 的平均值
Weighted IoU	0.8490	按像素数加权的 IoU
Mean BF Score	0.7431	边界 F1 分数（关注边缘质量）

类别级 IoU 显示：Bicyclist (0.677)、Pedestrian (0.505) 仍较低，说明需要更多该类样本或更高级的特征提取。

7. 代码逐段剖析（含重点函数）

7.1 下载预训练模型（直接应用）

若只想快速推理，可直接下载已训练好的 DeepLab v3+（基于 CamVid）：

pretrainedURL = "https://ssd.mathworks.com/.../deeplabv3plusResnet18CamVid_v2.zip";
unzip(...);
load('deeplabv3plusResnet18CamVid_v2.mat');
C = semanticseg(I, net);

7.2 数据集分区函数 `partitionCamVidData`

使用 randperm 打乱图像索引；
按 60/20/20 分割，返回对应的 imageDatastore 和 pixelLabelDatastore。

7.3 数据增强函数 `augmentImageAndLabel`

构造 affine2d 变换矩阵，包含反射和平移；
使用 affineOutputView 确保输出图像尺寸固定；
对图像和标签应用相同 imwarp 变换。

7.4 颜色映射和可视化

camvidColorMap 返回 11×3 的 RGB 矩阵（归一化到 [0,1]）；
pixelLabelColorbar 生成带有类别名的彩条，便于查看图例。

7.5 训练主流程（`trainnet`）

[net, info] = trainnet(dsTrain, network, @(Y,T) modelLoss(Y,T,classWeights), options);

dsTrain 是经过增强的组合数据存储（图像 + 标签）；
自定义损失函数句柄传递类别权重；
info 返回训练历史（损失、准确率等）。

8. 常见问题与优化建议

8.1 GPU 内存不足（OOM）

解决方案：
- 减小 MiniBatchSize（如从 4 降至 1）；
- 降低输入图像尺寸（如 512×512），同时调整 imageSize 并重新缩放训练数据；
- 使用 'ExecutionEnvironment', 'cpu' 但训练速度会大幅下降。

8.2 训练不收敛或震荡

检查学习率是否过大（可尝试 1e-3）；
检查类别权重是否合理（极端权重可能导致梯度爆炸）；
增加 ValidationPatience 或关闭早停。

8.3 小目标分割效果差

增加数据增强（如随机裁剪、旋转、缩放）；
尝试更深的骨干网络（ResNet-50）或更复杂的解码器；
使用 边界损失 或 focal loss 来强化难例。

8.4 如何迁移到自己的数据集

替换数据存储（imageDatastore + pixelLabelDatastore）；
修改 classes 和 labelIDs 映射；
根据数据规模调整训练轮次和 batch size；
若数据较少，可冻结骨干网络部分层，仅训练分类头。

9. 总结与参考资料

9.1 关键 takeaways

语义分割是像素级分类任务，DeepLab v3+ 是目前主流框架之一。
类别不平衡是真实场景的常态，需通过加权损失或重采样处理。
数据增强、预训练权重、合理超参数是提升性能的三大法宝。
评估指标应结合全局 IoU 和类别 IoU 综合判断。

9.2 相关工具箱与函数

Computer Vision Toolbox：semanticseg, labeloverlay, pixelLabelDatastore
Deep Learning Toolbox：trainnet, trainingOptions, dlnetwork
Parallel Computing Toolbox：GPU 加速支持

9.3 参考文献

Chen, L.-C., et al. “Encoder-Decoder with Atrous Separable Convolution for Semantic Image Segmentation.” ECCV 2018.
Brostow, G. J., et al. “Semantic object classes in video: A high-definition ground truth database.” Pattern Recognition Letters, 2009.
MathWorks 官方文档：Semantic Segmentation Using Deep Learning

✍️ 本文是对 MathWorks 官方示例的深度解读，所有代码均可在 MATLAB R2024a+ 环境中运行。如需完整项目文件，可访问 MATLAB File Exchange 搜索相关示例。

完整代码：基于 DeepLab v3+ 的语义分割（MATLAB）

以下提供一份完整、可直接运行的 MATLAB 脚本，包含：

自动下载预训练 DeepLab v3+ 网络（基于 CamVid）并进行单张图像分割演示；
可选下载 CamVid 数据集并从头训练（需 GPU，默认关闭）；
训练后评估模型性能（IoU、全局准确率等）；
所有必要的辅助函数（数据划分、增强、颜色映射、损失函数等）。

在这里插入图片描述

📋 环境要求

MATLAB R2020b 及以上（推荐 R2024a）
工具箱：
- Computer Vision Toolbox
- Deep Learning Toolbox
- Parallel Computing Toolbox（推荐 GPU 加速）
支持包（会自动提示下载）：
- Deep Learning Toolbox Model for ResNet-18 Network

🚀 运行方式

将以下代码完整复制到一个新建的 MATLAB 脚本文件（例如 SemanticSegmentationDemo.m）中。
直接运行脚本。
首次运行会下载预训练模型（约 58 MB）和 CamVid 数据集（图像 557 MB + 标签 16 MB），请确保网络通畅且有足够磁盘空间。
若希望从头训练，将脚本开头的 doTraining = false; 改为 true（需 GPU 且显存 ≥ 4 GB，训练耗时约 50 分钟）。

📝 完整代码

%% 基于深度学习的语义分割 —— DeepLab v3+ 完整示例
% 该脚本演示了：
%   1) 使用预训练网络对图像进行语义分割；
%   2) 下载 CamVid 数据集，进行数据增强、类别加权，并训练 DeepLab v3+；
%   3) 在测试集上评估模型性能（IoU、准确率等）。
%
% 作者: MathWorks 官方示例 (改编)
% 最后更新: 2026-07-19

clear; clc; close all;

%% ========== 1. 参数设置 ==========
% 是否执行训练（若为 false，则只运行预训练模型推理演示）
doTraining = false;   % 改为 true 以启动训练

% 数据集存储路径（默认使用临时目录，可自定义）
outputFolder = fullfile(tempdir, 'CamVid'); 
pretrainedFolder = fullfile(tempdir, 'pretrainedNetwork');

% 网络输入尺寸（与预训练模型一致）
imageSize = [720 960 3];
numClasses = 11;   % 合并后的类别数

%% ========== 2. 下载并加载预训练 DeepLab v3+ 网络 ==========
% 预训练模型 URL（基于 CamVid 训练）
pretrainedURL = "https://ssd.mathworks.com/supportfiles/vision/data/deeplabv3plusResnet18CamVid_v2.zip";
pretrainedNetworkZip = fullfile(pretrainedFolder, 'deeplabv3plusResnet18CamVid_v2.zip');

if ~exist(pretrainedNetworkZip, 'file')
    mkdir(pretrainedFolder);
    disp('正在下载预训练网络 (58 MB) ...');
    websave(pretrainedNetworkZip, pretrainedURL);
end
unzip(pretrainedNetworkZip, pretrainedFolder);

% 加载网络
load(fullfile(pretrainedFolder, 'deeplabv3plusResnet18CamVid_v2.mat'), 'net');
classes = getClassNames();   % 获取 11 个类别名称

disp('预训练网络加载完成！');

%% ========== 3. 使用预训练网络进行单张图像分割 ==========
% 读取测试图像（示例图像来自工具箱）
I = imread('parkinglot_left.png'); 
% 调整至网络输入尺寸
I = imresize(I, imageSize(1:2));

% 执行语义分割
C = semanticseg(I, net);

% 可视化
cmap = camvidColorMap();
B = labeloverlay(I, C, 'Colormap', cmap, 'Transparency', 0.4);
figure('Name', '预训练网络分割结果');
imshow(B);
pixelLabelColorbar(cmap, classes);
title('预训练 DeepLab v3+ 分割效果');

% 若仅演示推理，至此可以结束，但若继续训练则进入下一步。
if ~doTraining
    disp('预训练网络演示结束。若需训练，请将 doTraining 设为 true。');
    return;
end

%% ========== 4. 准备训练数据：下载 CamVid 数据集 ==========
disp('开始下载 CamVid 数据集 ...');
imageURL = "http://web4.cs.ucl.ac.uk/staff/g.brostow/MotionSegRecData/files/701_StillsRaw_full.zip";
labelURL  = "http://web4.cs.ucl.ac.uk/staff/g.brostow/MotionSegRecData/data/LabeledApproved_full.zip";

labelsZip = fullfile(outputFolder, 'labels.zip');
imagesZip = fullfile(outputFolder, 'images.zip');

if ~exist(labelsZip, 'file') || ~exist(imagesZip, 'file')
    mkdir(outputFolder);
    disp('正在下载标签 (16 MB) ...');
    websave(labelsZip, labelURL);
    unzip(labelsZip, fullfile(outputFolder, 'labels'));
    
    disp('正在下载图像 (557 MB) ...');
    websave(imagesZip, imageURL);
    unzip(imagesZip, fullfile(outputFolder, 'images'));
end

%% ========== 5. 加载图像和像素标签数据 ==========
imgDir = fullfile(outputFolder, 'images', '701_StillsRaw_full');
imds = imageDatastore(imgDir);

% 获取类别名称和对应的标签 ID
labelIDs = camvidPixelLabelIDs();   % 将原始 32 类映射到 11 类
labelDir = fullfile(outputFolder, 'labels');
pxds = pixelLabelDatastore(labelDir, classes, labelIDs);

% 显示一张标注样例
I_sample = readimage(imds, 559);
C_sample = readimage(pxds, 559);
B_sample = labeloverlay(I_sample, C_sample, 'Colormap', cmap);
figure('Name', 'CamVid 标注样例');
imshow(B_sample);
pixelLabelColorbar(cmap, classes);
title('CamVid 数据集样例（像素级标注）');

%% ========== 6. 分析类别分布并计算权重 ==========
tbl = countEachLabel(pxds);
imageFreq = tbl.PixelCount ./ tbl.ImagePixelCount;
classWeights = median(imageFreq) ./ imageFreq;   % 中值频率平衡

% 绘制频率直方图
figure('Name', '类别频率分布');
frequency = tbl.PixelCount / sum(tbl.PixelCount);
bar(1:numClasses, frequency);
xticks(1:numClasses);
xticklabels(tbl.Name);
xtickangle(45);
ylabel('像素频率');
title('各类别像素占比（严重不平衡）');

%% ========== 7. 划分训练、验证、测试集 (60/20/20) ==========
[imdsTrain, imdsVal, imdsTest, pxdsTrain, pxdsVal, pxdsTest] = partitionCamVidData(imds, pxds);
fprintf('训练集: %d 张, 验证集: %d 张, 测试集: %d 张\n', ...
    numel(imdsTrain.Files), numel(imdsVal.Files), numel(imdsTest.Files));

% 组合验证数据
dsVal = combine(imdsVal, pxdsVal);

%% ========== 8. 数据增强（仅训练集） ==========
% 随机水平翻转和 ±10 像素平移
xTrans = [-10 10];
yTrans = [-10 10];
dsTrain = combine(imdsTrain, pxdsTrain);
dsTrain = transform(dsTrain, @(data) augmentImageAndLabel(data, xTrans, yTrans));

%% ========== 9. 创建 DeepLab v3+ 网络 ==========
% 基于 ResNet-18 预训练权重
network = deeplabv3plus(imageSize, numClasses, 'resnet18');
disp('网络构建完成！');

%% ========== 10. 设置训练选项 ==========
options = trainingOptions('sgdm', ...
    'LearnRateSchedule', 'piecewise', ...
    'LearnRateDropPeriod', 6, ...
    'LearnRateDropFactor', 0.1, ...
    'Momentum', 0.9, ...
    'InitialLearnRate', 1e-2, ...
    'L2Regularization', 0.005, ...
    'ValidationData', dsVal, ...
    'MaxEpochs', 18, ...
    'MiniBatchSize', 4, ...
    'Shuffle', 'every-epoch', ...
    'CheckpointPath', tempdir, ...
    'VerboseFrequency', 10, ...
    'ValidationPatience', 4, ...
    'Plots', 'training-progress');   % 显示训练曲线

%% ========== 11. 开始训练 ==========
disp('开始训练 ... 这可能需要较长时间，请耐心等待。');
[net, info] = trainnet(dsTrain, network, ...
    @(Y,T) modelLoss(Y,T,classWeights), options);
disp('训练完成！');

%% ========== 12. 在测试集上评估 ==========
% 对整个测试集进行分割
disp('正在测试集上进行推理 ...');
pxdsResults = semanticseg(imdsTest, net, ...
    'Classes', classes, ...
    'MiniBatchSize', 4, ...
    'WriteLocation', tempdir, ...
    'Verbose', false);

% 计算评估指标
metrics = evaluateSemanticSegmentation(pxdsResults, pxdsTest, 'Verbose', false);

% 显示数据集级指标
disp('数据集级指标:');
disp(metrics.DataSetMetrics);

% 显示各类别指标
disp('各类别 IoU 和准确率:');
disp(metrics.ClassMetrics);

% 可视化测试集中一张图像的分割结果
I_test = readimage(imdsTest, 35);
C_test = semanticseg(I_test, net, 'Classes', classes);
B_test = labeloverlay(I_test, C_test, 'Colormap', cmap, 'Transparency', 0.4);
figure('Name', '测试集分割示例');
imshow(B_test);
pixelLabelColorbar(cmap, classes);
title('训练后模型在测试图像上的分割效果');

%% ========== 辅助函数定义（全部放在脚本末尾） ==========

% 类别名称
function classes = getClassNames()
classes = [
    "Sky"
    "Building"
    "Pole"
    "Road"
    "Pavement"
    "Tree"
    "SignSymbol"
    "Fence"
    "Car"
    "Pedestrian"
    "Bicyclist"
    ];
end

% CamVid 原始 RGB 到 11 类标签 ID 的映射
function labelIDs = camvidPixelLabelIDs()
labelIDs = { ...
    % Sky
    [128 128 128]; ...
    % Building
    [000 128 064; 128 000 000; 064 192 000; 064 000 064; 192 000 128]; ...
    % Pole
    [192 192 128; 000 000 064]; ...
    % Road
    [128 064 128; 128 000 192; 192 000 064]; ...
    % Pavement
    [000 000 192; 064 192 128; 128 128 192]; ...
    % Tree
    [128 128 000; 192 192 000]; ...
    % SignSymbol
    [192 128 128; 128 128 064; 000 064 064]; ...
    % Fence
    [064 064 128]; ...
    % Car
    [064 000 128; 064 128 192; 192 128 192; 192 064 128; 128 064 064]; ...
    % Pedestrian
    [064 064 000; 192 128 064; 064 000 192; 064 128 064]; ...
    % Bicyclist
    [000 128 192; 192 000 192]; ...
    };
end

% CamVid 颜色映射 (11 类)
function cmap = camvidColorMap()
cmap = [
    128 128 128   % Sky
    128 0 0       % Building
    192 192 192   % Pole
    128 64 128    % Road
    60 40 222     % Pavement
    128 128 0     % Tree
    192 128 128   % SignSymbol
    64 64 128     % Fence
    64 0 128      % Car
    64 64 0       % Pedestrian
    0 128 192     % Bicyclist
    ] / 255;
end

% 颜色条显示
function pixelLabelColorbar(cmap, classNames)
colormap(gca, cmap);
c = colorbar(gca);
c.TickLabels = classNames;
numClasses = size(cmap, 1);
c.Ticks = 1/(numClasses*2):1/numClasses:1;
c.TickLength = 0;
end

% 数据集划分
function [imdsTrain, imdsVal, imdsTest, pxdsTrain, pxdsVal, pxdsTest] = partitionCamVidData(imds, pxds)
rng(0);
numFiles = numel(imds.Files);
shuffledIndices = randperm(numFiles);
numTrain = round(0.60 * numFiles);
numVal = round(0.20 * numFiles);
trainingIdx = shuffledIndices(1:numTrain);
valIdx = shuffledIndices(numTrain+1:numTrain+numVal);
testIdx = shuffledIndices(numTrain+numVal+1:end);
imdsTrain = subset(imds, trainingIdx);
imdsVal = subset(imds, valIdx);
imdsTest = subset(imds, testIdx);
pxdsTrain = subset(pxds, trainingIdx);
pxdsVal = subset(pxds, valIdx);
pxdsTest = subset(pxds, testIdx);
end

% 数据增强：随机翻转和平移
function data = augmentImageAndLabel(data, xTrans, yTrans)
for i = 1:size(data,1)
    tform = randomAffine2d('XReflection', true, ...
        'XTranslation', xTrans, 'YTranslation', yTrans);
    rout = affineOutputView(size(data{i,1}), tform, 'BoundsStyle', 'centerOutput');
    data{i,1} = imwarp(data{i,1}, tform, 'OutputView', rout);
    data{i,2} = imwarp(data{i,2}, tform, 'OutputView', rout);
end
end

% 自定义损失函数（类别加权交叉熵）
function loss = modelLoss(Y, T, classWeights)
weights = dlarray(classWeights, 'C');
mask = ~isnan(T);
T(isnan(T)) = 0;
loss = crossentropy(Y, T, weights, 'Mask', mask, 'NormalizationFactor', 'mask-included');
end

🔧 代码说明

段落	功能
1–3	参数设置，下载预训练模型并展示推理结果。
4–8	下载 CamVid 数据集，加载图像和标签，分析类别分布，计算类别权重，划分数据集，并应用数据增强。
9–11	创建 DeepLab v3+ 网络，配置训练选项，执行训练（需 `doTraining=true`）。
12	在测试集上评估模型，输出 IoU 等指标，并可视化分割结果。
辅助函数	包含类别映射、颜色表、数据划分、增强和损失函数等，保持脚本自包含。

⚠️ 注意事项

GPU 内存：训练时 MiniBatchSize=4，若显存不足可改为 1 或减小输入尺寸（imageSize）。
下载失败：若 websave 因网络问题失败，可手动下载数据集并修改 outputFolder 指向本地路径。
训练耗时：在 RTX 3090 Ti 上约 50 分钟，CPU 训练极慢，不建议。
结果复现：代码设置了随机种子（rng(0)），确保划分和增强的可重复性。

📚 扩展阅读

如有问题，欢迎在评论区留言讨论！ 😊

https://edu.csdn.net/learn/39067/627173?utm_source=2019755004

汇聚全球AI编程工具，助力开发者即刻编程。

更多推荐

3分钟掌握Codex技能安装：一键部署你的AI助手工具库

想要为你的Codex AI助手安装新技能？不用再手动复制文件了！skill-installer为你提供了一套完整的解决方案，让你能够从GitHub仓库快速获取和安装各种实用的Codex技能。无论你是AI开发新手还是经验丰富的开发者，这个工具都能让你在几分钟内扩展Codex的功能边界。## 为什么选择skill-installer？ 🤔在AI辅助编程的时代，Codex技能已经成为提升开发效

AI编程社区

DB-GPT分布式AI数据引擎：企业级智能分析平台架构解析

DB-GPT作为新一代AI数据助手，通过分布式架构和智能代理引擎重构了传统数据分析范式。该平台将大型语言模型的自然语言理解能力与企业级数据处理需求深度融合，构建了面向生产环境的可扩展AI数据平台。其核心价值在于将复杂的SQL生成、数据分析和可视化任务转化为简单的自然语言交互，同时确保系统安全性、可追溯性和企业级可靠性。## 技术定位与生态分析在当前数据智能生态中，DB-GPT填补了传统BI

AI编程社区

如何用Awesome Claude Skills将AI助手打造成你的全能创作伙伴和职业顾问

你是否曾想过，如果有一个AI伙伴能帮你完成从专业文章撰写到完美简历定制的所有工作，工作效率会提升多少倍？Awesome Claude Skills正是这样一个神奇的AI技能宝库，它汇集了1000+个精心筛选的Claude技能，覆盖内容创作、职业发展、文档处理等各个方面，让你在AI的帮助下轻松应对各种工作挑战。## 痛点分析：传统工作流程的三大瓶颈在内容创作和职业发展中，我们常常面临这样的困

AI编程社区

所有评论(0)

查看更多评论

紫气东来168

@CAINIAOdaDIDI

已为社区贡献8条内容

基于深度学习的语义分割：从理论到实践（MATLAB 版详解）

紫气东来168

基于深度学习的语义分割：从理论到实践（MATLAB 版详解）

📌 目录

1. 语义分割是什么

2. 为什么选择 DeepLab v3+ 与 ResNet-18

2.1 DeepLab v3+ 核心亮点

2.2 ResNet-18 作为骨干网络

3. 数据集：CamVid 详解与预处理

3.1 CamVid 数据集简介

3.2 数据加载与统计分析

4. 网络构建与类平衡处理

4.1 创建 DeepLab v3+ 网络

4.2 类别加权（Class Weighting）

5. 训练策略与超参数调优

5.1 数据划分与增强

5.2 训练选项（trainingOptions）

5.3 损失函数

6. 模型评估与指标解读

6.1 单张图像测试

6.2 交并比（IoU）

6.3 整体评估

7. 代码逐段剖析（含重点函数）

7.1 下载预训练模型（直接应用）

7.2 数据集分区函数 partitionCamVidData

7.3 数据增强函数 augmentImageAndLabel

7.4 颜色映射和可视化

7.5 训练主流程（trainnet）

8. 常见问题与优化建议

8.1 GPU 内存不足（OOM）

8.2 训练不收敛或震荡

8.3 小目标分割效果差

8.4 如何迁移到自己的数据集

9. 总结与参考资料

9.1 关键 takeaways

9.2 相关工具箱与函数

9.3 参考文献

完整代码：基于 DeepLab v3+ 的语义分割（MATLAB）

📋 环境要求

🚀 运行方式

📝 完整代码

🔧 代码说明

⚠️ 注意事项

📚 扩展阅读

所有评论(0)

温馨提示：您尚未绑定手机号

紫气东来168

5.2 训练选项（`trainingOptions`）

7.2 数据集分区函数 `partitionCamVidData`

7.3 数据增强函数 `augmentImageAndLabel`

7.5 训练主流程（`trainnet`）