深度学习数据预处理
为深度学习管理和预处理数据
预处理数据是深度学习工作流中常见的第一步，以网络可以接受的格式准备原始数据。例如，您可以调整图像输入的大小以匹配图像输入层的大小。您还可以对数据进行预处理，以增强所需的特性或减少可能导致网络偏误的工件。例如，您可以规范化或从输入数据中去除噪声。
您可以通过使用MATLAB中可用的数据存储和函数对图像输入进行预处理，例如调整大小®深度学习工具箱™。其他MATLAB工具箱提供了用于标记、处理和增强深度学习数据的函数、数据存储和应用程序。使用其他MATLAB工具箱中的专用工具来处理图像处理、对象检测、语义分割、信号处理、音频处理和文本分析等领域的数据。
应用程序
主题
预处理深度学习数据
- 深度学习的数据集
发现各种深度学习任务的数据集。 - 创建和探索图像分类的数据存储
本示例展示如何创建、读取和增强用于训练深度学习网络的图像数据存储。 - 用于深度学习的图像预处理
了解如何调整图像的大小以进行训练、预测和分类，以及如何使用数据增强、转换和专用数据存储对图像进行预处理。 - 预处理深度学习卷
为三维深度学习读取和预处理体积图像并标记数据。 - 针对特定领域深度学习应用的预处理数据
执行确定性或随机数据处理领域，如图像处理，对象检测，语义分割，信号和音频处理，以及文本分析。
标记地面真相训练数据
- 选择一个应用程序来标记地面真相数据
决定使用哪个应用程序来标记地面真相数据:图片标志，贴标签机视频，地面真相标签，激光雷达贴标签机，信号贴标签机,或医学图像标签． - 标记像素进行语义分割(计算机视觉工具箱)
通过使用标签应用程序标记像素，训练语义分割网络。 - 从事实标签开始(自动驾驶工具箱)
交互式地同时标记多个激光雷达和视频信号。 - 自定义标签功能(信号处理工具箱)
创建和管理自定义标签功能。 - 在语音信号中标注口语(信号处理工具箱)
使用信号贴标签机在音频信号中标注口语。
自定义数据存储
- 用于深度学习的数据存储
了解如何在深度学习应用程序中使用数据存储。 - 准备图像到图像回归的数据存储
方法为训练图像到图像回归网络准备一个数据存储变换而且结合的功能ImageDatastore． - 使用内存不足序列数据训练网络
这个例子展示了如何通过转换和组合数据存储在内存不足的序列数据上训练深度学习网络。 - 基于卷积神经网络的文本数据分类
这个例子展示了如何使用卷积神经网络对文本数据进行分类。 - 使用深度学习分类内存不足的文本数据
这个示例展示了如何使用转换后的数据存储对深度学习网络中的内存不足文本数据进行分类。
您也可以从以下列表中选择一个网站: