Глубокое обучение для обработки изображений

Выполните задачи обработки изображений, такие как удаление шума изображения и создание изображений с высоким разрешением от изображений низких разрешений, с помощью сверточных нейронных сетей (требует Deep Learning Toolbox™),

Глубокое обучение использует нейронные сети, чтобы изучить полезные представления функций непосредственно из данных. Например, можно использовать предварительно обученную нейронную сеть, чтобы идентифицировать и удалить артефакты как шум от изображений.

Функции

развернуть все

augmentedImageDatastoreПреобразуйте пакеты, чтобы увеличить данные изображения
bigimageDatastoreDatastore, чтобы управлять блоками больших данных изображения
denoisingImageDatastoreDatastore шумоподавления изображений
imageDatastoreDatastore для данных изображения
randomPatchExtractionDatastoreDatastore для извлечения случайных 2D или 3-D случайных закрашенных фигур от изображений или пикселя помечает изображения
transformПреобразуйте datastore
combineОбъедините данные от нескольких datastores
jitterColorHSVСлучайным образом измените цвет пикселей
centerCropWindow2dСоздайте прямоугольное окно обрезки центра
centerCropWindow3dСоздайте кубовидное окно обрезки центра
randomCropWindow2dСоздайте рандомизированное прямоугольное окно обрезки
randomCropWindow3dСоздайте рандомизированное кубовидное окно обрезки
RectangleПространственные степени 2D прямоугольной области
CuboidПространственные степени 3-D кубовидной области
randomAffine2dСоздайте рандомизированное 2D аффинное преобразование
randomAffine3dСоздайте рандомизированное 3-D аффинное преобразование
affineOutputViewСоздайте выходное представление для деформирования изображений
denoiseImageИзображение Denoise с помощью глубокой нейронной сети
denoisingNetworkПолучите сеть шумоподавления изображений
dnCNNLayersПолучите слои сверточной нейронной сети шумоподавления

Темы

Предварительно обработайте изображения для глубокого обучения

Хранилища данных для глубокого обучения (Deep Learning Toolbox)

Узнать, как использовать хранилища данных в применении глубокого обучения.

Увеличьте изображения для рабочих процессов глубокого обучения Используя Image Processing Toolbox (Deep Learning Toolbox)

В этом примере показано, как MATLAB® и Image Processing Toolbox™ могут выполнить общие виды увеличения изображений как часть рабочих процессов глубокого обучения.

Предварительно обработайте изображения для глубокого обучения (Deep Learning Toolbox)

Узнать, как, чтобы изменить размер изображений для обучения, прогноза и классификации, и как предварительно обработать изображения с помощью увеличения данных, преобразований и специализированных хранилищ данных.

Предварительно обработайте объемы для глубокого обучения (Deep Learning Toolbox)

Считайте и предварительно обработайте объемное изображение и пометьте данные для 3-D глубокого обучения.

Изображения Denoise Используя глубокое обучение

Обучите и примените нейронные сети шумоподавления

Используйте предварительно обученную нейронную сеть, чтобы удалить Гауссов шум из полутонового изображения или обучить вашу собственную сеть с помощью предопределенных слоев.

Удалите шум из цветного изображения Используя предварительно обученную нейронную сеть

В этом примере показано, как удалить Гауссов шум из изображения RGB при помощи предварительно обученной нейронной сети шумоподавления на каждом цветовом канале независимо.

Подготовьте Datastore к регрессии от изображения к изображению (Deep Learning Toolbox)

В этом примере показано, как подготовить datastore к обучению сеть регрессии от изображения к изображению использование transform и combine функции ImageDatastore.

Глубокое обучение в MATLAB

Глубокое обучение в MATLAB (Deep Learning Toolbox)

Узнайте возможности глубокого обучения в сверточных нейронных сетях использования MATLAB® для классификации и регрессии, включая предварительно обученные сети и изучение передачи и обучение на графических процессорах, центральных процессорах, кластерах и облаках.

Предварительно обученные глубокие нейронные сети (Deep Learning Toolbox)

Узнать, как загружать и использовать предварительно обученные сверточные нейронные сети в классификации, изучении передачи и извлечении признаков.

Семантическая Сегментация Используя глубокое обучение (Computer Vision Toolbox)

В этом примере показано, как обучить сеть семантической сегментации использование глубокого обучения.

Рекомендуемые примеры

Для просмотра документации необходимо авторизоваться на сайте