Exponenta Banner
exponenta event banner

denoisingNetwork

Получить сеть защиты от изображений

свернуть все на странице

Синтаксис

net = denoingNetwork (modelName)

Описание

пример

net = denoisingNetwork(modelName) возвращает предварительно подготовленное изображение, деноизирующее глубокую нейронную сеть, заданную modelName.

Эта функция требует наличия Toolbox™ глубокого обучения.

Примеры

свернуть все

В этом примере используются:

Открыть сценарий в реальном времени

Получить предварительно подготовленное изображение, денонсирующее сверточную нейронную сеть «DnCNN».

net = denoisingNetwork('DnCNN')
net = 
  SeriesNetwork with properties:

         Layers: [59x1 nnet.cnn.layer.Layer]
     InputNames: {'InputLayer'}
    OutputNames: {'FinalRegressionLayer'}

Посмотрите denoiseImage пример того, как обличить изображение с помощью предварительно обученной сети.

Входные аргументы

свернуть все

Наименование предварительно обученной деноизирующей глубокой нейронной сети, определяемой как символьный вектор 'DnCnn'. Это единственная заранее обученная сеть, которая в настоящее время доступна, и она обучена только изображениям в градациях серого.

Типы данных: char | string

Выходные аргументы

свернуть все

Предварительно обученная деноизирующая глубинная нейронная сеть, возвращенная как SeriesNetwork(Панель инструментов глубокого обучения).

Ссылки

[1] Чжан, К., В. Цзо, Я. Чен, Д. Мэн и Л. Чжан. «За пределами гауссова денуазера: остаточное обучение глубокому CNN для обличения изображений». Транзакции IEEE при обработке изображений. Том 26, номер 7, февраль 2017 г., стр. 3142-3155.

См. также

| |

Темы

Представлен в R2017b

Документация по инструментам обработки изображений

Поддержка