denoisingImageDatastore

Datastore шумоподавления изображений

Описание

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™.

Примечание

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.

Создание

Синтаксис

dnimds = denoisingImageDatastore(imds)

dnimds = denoisingImageDatastore(imds,Name,Value)

Описание

dnimds = denoisingImageDatastore(imds) создает datastore шумоподавления изображений, 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.

пример

dnimds = denoisingImageDatastore(imds,Name,Value) пары "имя-значение" использования, чтобы задать двухмерное изображение исправляют размер или установить 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.

Входные параметры

развернуть все

`imds` Изображения с метками для проблем классификации
Объект `ImageDatastore`

Изображения, заданные как объект ImageDatastore с метками categorical. Можно хранить данные в ImageDatastore только для проблем классификации.

ImageDatastore позволяет чтение пакета JPG или упреждающую выборку использования файлов изображений PNG. Если вы используете пользовательскую функцию для чтения изображений, упреждающей выборки не происходит.

Аргументы в виде пар имя-значение

Укажите необязательные аргументы в виде пар ""имя, значение"", разделенных запятыми. Имя (Name) — это имя аргумента, а значение (Value) — соответствующее значение. Name должен появиться в кавычках. Вы можете задать несколько аргументов в виде пар имен и значений в любом порядке, например: Name1, Value1, ..., NameN, ValueN.

Пример: denoisingImageDatastore(imds,'patchSize',48) создает datastore шумоподавления изображений, который имеет квадратный размер закрашенной фигуры 48 пикселей.

`'patchSize'` — Исправьте размер
`50` (значение по умолчанию) | скаляр | вектор с 2 элементами

Исправьте размер, заданный как пара, разделенная запятой, состоящая из 'patchSize' и скалярного или вектора с 2 элементами с положительными целочисленными значениями. Этот аргумент устанавливает первые два элемента свойства PatchSize.

Если 'patchSize' является скаляром, то закрашенные фигуры являются квадратными.
Если 'patchSize' является вектором с 2 элементами формы [r c], то первый элемент задает количество строк в закрашенной фигуре, и второй элемент задает количество столбцов.

Свойства

развернуть все

`ChannelFormat` — Формат канала
`'grayscale'` (значение по умолчанию) | `'rgb'`

Формат канала, заданный как 'grayscale' или 'rgb'.

Типы данных: char

`DispatchInBackground` — Диспетчеризируйте наблюдения в фоне
`false` (значение по умолчанию) | `true`

Диспетчеризируйте наблюдения в фоновом режиме во время обучения, прогноза и классификации, заданной как false или true. Чтобы использовать фоновую диспетчеризацию, у вас должен быть Parallel Computing Toolbox™. Если DispatchInBackground является true, и у вас есть Parallel Computing Toolbox, то denoisingImageDatastore асинхронно читает закрашенные фигуры, добавляет шум, и очереди исправляют пары.

`GaussianNoiseLevel` — Гауссово шумовое стандартное отклонение
`0.1` (значение по умолчанию) | скаляр | вектор с 2 элементами

Гауссово шумовое стандартное отклонение как часть максимума класса изображений, заданного как скалярный или вектор с 2 элементами со значениями в области значений [0, 1].

Если GaussianNoiseLevel является скаляром, то стандартное отклонение добавленного нулевого среднего Гауссова белого шума идентично для всех закрашенных фигур изображений.
Если GaussianNoiseLevel является вектором с 2 элементами, то он задает область значений стандартных отклонений [stdmin stdmax]. Стандартное отклонение добавленного нулевого среднего Гауссова белого шума уникально для каждой закрашенной фигуры изображений и случайным образом выбирается от равномерного распределения с областью значений [stdmin stdmax].

Типы данных: single | double

`MiniBatchSize` — Количество наблюдений в каждом пакете
положительное целое число

Это свойство доступно только для чтения.

Количество наблюдений, которые возвращены в каждом пакете. Для обучения, прогноза или классификации, свойство MiniBatchSize установлено в мини-пакетный размер, заданный в trainingOptions.

`NumObservations` — Общее количество наблюдений в datastore
положительное целое число

Это свойство доступно только для чтения.

Общее количество наблюдений в шумоподавлении отображает datastore. Количество наблюдений является продолжительностью одной учебной эпохи.

`PatchesPerImage` — Количество случайных закрашенных фигур на изображение
`512` (значение по умолчанию) | положительное целое число

Количество случайных закрашенных фигур на изображение, заданное как положительное целое число.

`PatchSize` — Исправьте размер
`[50 50 1]` (значение по умолчанию) | вектор с 3 элементами положительных целых чисел

Это свойство доступно только для чтения.

Исправьте размер, заданный как вектор с 3 элементами положительных целых чисел. Если вы создаете datastore шумоподавления изображений путем определения аргумента пары "имя-значение" ' patchSize ', то первые два элемента свойства PatchSize установлены согласно значению аргумента patchSize.

Свойство ChannelFormat определяет третий элемент свойства PatchSize.

Если ChannelFormat является 'Grayscale', то все цветные изображения преобразованы в шкалу полутонов, и третьим элементом PatchSize является 1.
Если ChannelFormat является 'RGB', то полутоновые изображения реплицированы, чтобы моделировать изображение RGB, и третьим элементом PatchSize является 3.

Функции объекта

`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

Примеры

свернуть все

Создайте Datastore шумоподавления изображений

Этот пример использование:

Скрипт Open Live Script

Получите datastore изображений. Datastore в этом примере содержит цветные изображения.

setDir = fullfile(toolboxdir('images'),'imdata');
imds = imageDatastore(setDir,'FileExtensions',{'.jpg'});

Создайте объект denoisingImageDatastore, который создает много закрашенных фигур из каждого изображения в datastore изображений и добавляет Гауссов шум в закрашенные фигуры. Установите дополнительный PatchesPerImage, PatchSize, GaussianNoiseLevel и свойства ChannelFormat denoisingImageDatastore с помощью пар "имя-значение". Когда вы устанавливаете свойство ChannelFormat на 'grayscale', denoisingImageDatastore преобразовывает все цветные изображения в шкалу полутонов.

dnds = denoisingImageDatastore(imds,...
    'PatchesPerImage',512,...
    'PatchSize',50,...
    'GaussianNoiseLevel',[0.01 0.1],...
    'ChannelFormat','grayscale')

dnds = 
  denoisingImageDatastore with properties:

         PatchesPerImage: 512
               PatchSize: [50 50 1]
      GaussianNoiseLevel: [0.0100 0.1000]
           ChannelFormat: 'grayscale'
           MiniBatchSize: 128
         NumObservations: 18944
    DispatchInBackground: 0

Советы

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.

Темы

Обучите и примените нейронные сети шумоподавления

Документация

denoisingImageDatastore

Описание

Примечание

Создание

Синтаксис

Описание

Входные параметры

`imds` Изображения с метками для проблем классификации
Объект `ImageDatastore`

Аргументы в виде пар имя-значение

`'patchSize'` — Исправьте размер
`50` (значение по умолчанию) | скаляр | вектор с 2 элементами

Свойства

`ChannelFormat` — Формат канала
`'grayscale'` (значение по умолчанию) | `'rgb'`

`DispatchInBackground` — Диспетчеризируйте наблюдения в фоне
`false` (значение по умолчанию) | `true`

`GaussianNoiseLevel` — Гауссово шумовое стандартное отклонение
`0.1` (значение по умолчанию) | скаляр | вектор с 2 элементами

`MiniBatchSize` — Количество наблюдений в каждом пакете
положительное целое число

`NumObservations` — Общее количество наблюдений в datastore
положительное целое число

`PatchesPerImage` — Количество случайных закрашенных фигур на изображение
`512` (значение по умолчанию) | положительное целое число

`PatchSize` — Исправьте размер
`[50 50 1]` (значение по умолчанию) | вектор с 3 элементами положительных целых чисел

Функции объекта

Примеры

Создайте Datastore шумоподавления изображений

Советы

Смотрите также

Темы

Введенный в R2018a

Документация Image Processing Toolbox

Поддержка

Документация

denoisingImageDatastore

Описание

Примечание

Создание

Синтаксис

Описание

Входные параметры

imds Изображения с метками для проблем классификации Объект ImageDatastore

Аргументы в виде пар имя-значение

'patchSize' — Исправьте размер 50 (значение по умолчанию) | скаляр | вектор с 2 элементами

Свойства

ChannelFormat — Формат канала 'grayscale' (значение по умолчанию) | 'rgb'

DispatchInBackground — Диспетчеризируйте наблюдения в фоне false (значение по умолчанию) | true

GaussianNoiseLevel — Гауссово шумовое стандартное отклонение 0.1 (значение по умолчанию) | скаляр | вектор с 2 элементами

MiniBatchSize — Количество наблюдений в каждом пакете положительное целое число

NumObservations — Общее количество наблюдений в datastore положительное целое число

PatchesPerImage — Количество случайных закрашенных фигур на изображение 512 (значение по умолчанию) | положительное целое число

PatchSize — Исправьте размер [50 50 1] (значение по умолчанию) | вектор с 3 элементами положительных целых чисел

Функции объекта

Примеры

Создайте Datastore шумоподавления изображений

Советы

Смотрите также

Темы

Введенный в R2018a

Документация Image Processing Toolbox

Поддержка

`imds` Изображения с метками для проблем классификации
Объект `ImageDatastore`

`'patchSize'` — Исправьте размер
`50` (значение по умолчанию) | скаляр | вектор с 2 элементами

`ChannelFormat` — Формат канала
`'grayscale'` (значение по умолчанию) | `'rgb'`

`DispatchInBackground` — Диспетчеризируйте наблюдения в фоне
`false` (значение по умолчанию) | `true`

`GaussianNoiseLevel` — Гауссово шумовое стандартное отклонение
`0.1` (значение по умолчанию) | скаляр | вектор с 2 элементами

`MiniBatchSize` — Количество наблюдений в каждом пакете
положительное целое число

`NumObservations` — Общее количество наблюдений в datastore
положительное целое число

`PatchesPerImage` — Количество случайных закрашенных фигур на изображение
`512` (значение по умолчанию) | положительное целое число

`PatchSize` — Исправьте размер
`[50 50 1]` (значение по умолчанию) | вектор с 3 элементами положительных целых чисел