Глубокое обучение использует нейронные сети для изучения полезных представлений функций непосредственно из данных. Например, можно использовать предварительно обученную нейронную сеть для идентификации и удаления артефактов вроде шума с изображений.
Хранилища данных для глубокого обучения (набор инструментов для глубокого обучения)
Узнайте, как использовать хранилища данных в приложениях для глубокого обучения.
Добавление изображений для рабочих процессов глубокого обучения с помощью инструментария обработки изображений (инструментарий глубокого обучения)
В этом примере показано, как MATLAB ® и Toolbox™ обработки изображений могут выполнять общие виды увеличения изображения в рамках процессов глубокого обучения.
Предварительная обработка изображений для глубокого обучения (инструментарий для глубокого обучения)
Узнайте, как изменять размер изображений для обучения, прогнозирования и классификации, а также как выполнять предварительную обработку изображений с помощью увеличения объема данных, преобразований и специализированных хранилищ данных.
Предобработка томов для глубокого обучения (инструментарий для глубокого обучения)
Считывание и предварительная обработка объемного изображения и данных этикеток для 3-D глубокого обучения.
Создание модульных нейронных сетей
Можно создавать и настраивать сети глубокого обучения, которые следуют модульному шаблону с повторяющимися группами уровней, такими как U-Net и CycleGAN.
Начало работы с GAN для преобразования образа в образ
Сети GAN могут передавать стили и характеристики из одного набора изображений в содержимое сцены других изображений.
Обучение и применение деноизирующих нейронных сетей
Используйте предварительно обученную нейронную сеть для удаления гауссова шума из изображения в градациях серого или обучайте собственную сеть с помощью предопределенных слоев.
Удаление шума из цветного изображения с помощью предварительно обученной нейронной сети
В этом примере показано, как удалить гауссовский шум из изображения RGB, используя предварительно обученную денузирующую нейронную сеть на каждом цветовом канале независимо.
Подготовка хранилища данных для регрессии между изображениями (инструментарий глубокого обучения)
В этом примере показано, как подготовить хранилище данных для обучения сети регрессии «изображение-изображение» с использованием transform и combine функции ImageDatastore.
Глубокое обучение в MATLAB (инструментарий глубокого обучения)
Откройте для себя возможности глубокого обучения в MATLAB ® с использованием сверточных нейронных сетей для классификации и регрессии, включая предварительно обученные сети и обучение передаче, а также обучение по графическим процессорам, ЦП, кластерам и облакам.
Предварительно обученные нейронные сети (набор инструментов для глубокого обучения)
Узнайте, как загрузить и использовать предварительно обученные сверточные нейронные сети для классификации, передачи обучения и извлечения функций.
Семантическая сегментация с использованием глубокого обучения (панель инструментов компьютерного зрения)
В этом примере показано, как обучить сеть семантической сегментации с помощью глубокого обучения.
Список слоев глубокого обучения (панель инструментов глубокого обучения)
Откройте для себя все уровни глубокого обучения в MATLAB.
