Datastore шумоподавления изображений
Используйте объект denoisingImageDatastore
сгенерировать пакеты шумных закрашенных фигур изображений и соответствующих шумовых закрашенных фигур от изображений в ImageDatastore
. Закрашенные фигуры используются, чтобы обучить глубокую нейронную сеть шумоподавления.
Этот объект требует, чтобы у вас был Deep Learning Toolbox™.
Когда вы используете datastore шумоподавления изображений в качестве источника данных тренировки, datastore добавляет случайный шум в закрашенные фигуры изображений в течение каждой эпохи, так, чтобы каждая эпоха использовала немного отличающийся набор данных. Фактическое число учебных изображений в каждую эпоху увеличено фактором PatchesPerImage
. Шумные закрашенные фигуры изображений и соответствующие шумовые закрашенные фигуры не хранятся в памяти.
dnimds = denoisingImageDatastore(imds)
dnimds = denoisingImageDatastore(imds,Name,Value)
dnimds = denoisingImageDatastore(
создает datastore шумоподавления изображений, imds
)dnimds
с помощью изображений от datastore изображений imds
. Чтобы сгенерировать шумные закрашенные фигуры изображений, datastore шумоподавления изображений случайным образом обрезки нетронутые изображения от imds
затем добавляет нулевой средний Гауссов белый шум со стандартным отклонением 0.1
к закрашенным фигурам изображений.
dnimds = denoisingImageDatastore(
пары "имя-значение" использования, чтобы задать двухмерное изображение исправляют размер или установить imds
,Name,Value
)PatchesPerImage
, GaussianNoiseLevel
, ChannelFormat
и свойства DispatchInBackground
. Можно задать несколько пар "имя-значение". Заключите каждый аргумент или имя свойства в кавычках.
Например, denoisingImageDatastore(imds,'PatchesPerImage',40)
создает datastore шумоподавления изображений и случайным образом генерирует 40 шумных закрашенных фигур от каждого изображения в datastore изображений, imds
.
hasdata | Определите, доступны ли данные для чтения |
partitionByIndex | Раздел denoisingImageDatastore согласно индексам |
preview | Подмножество данных в datastore |
read | Считайте данные из denoisingImageDatastore |
readall | Считывайте все данные в datastore |
readByIndex | Считайте данные, заданные индексом от denoisingImageDatastore |
reset | Сброс Datastore к начальному состоянию |
shuffle | Переставьте данные в denoisingImageDatastore |
Обучение глубокая нейронная сеть для области значений Гауссовых шумовых стандартных отклонений является намного более трудной проблемой, чем обучение сети для одного Гауссова шумового стандартного отклонения. Необходимо создать больше закрашенных фигур по сравнению с одним случаем уровня шума, и учебная сила занимает больше времени.
Чтобы визуализировать данные в шумоподавлении отображают datastore, можно использовать функцию preview
, которая возвращает подмножество данных в таблице. Переменная input
содержит шумные закрашенные фигуры изображений, и переменная response
содержит соответствующие шумовые закрашенные фигуры. Визуализируйте все шумные закрашенные фигуры изображений или шумовые закрашенные фигуры в той же фигуре при помощи функции montage
. Например, этот код отображает данные в datastore шумоподавления изображений под названием dnimds
.
minibatch = preview(dnimds); montage(minibatch.input) figure montage(minibatch.response)
Каждый раз отображает, читаются из datastore шумоподавления изображений, различная случайная сумма Гауссова шума добавляется к каждому изображению.
denoiseImage
| denoisingNetwork
| dnCNNLayers
| trainNetwork