深度学习数据预处理
管理和预处理数据以进行深度学习
预处理数据是深度学习工作流程中常见的第一步,可以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大小以匹配图像输入层的大小。您还可以预处理数据来增强所需功能或减少可能偏向网络的工件。例如,您可以从输入数据中归一化或删除噪声。
You can preprocess image input with operations such as resizing by using datastores and functions available in MATLAB®and Deep Learning Toolbox™. Other MATLAB toolboxes offer functions, datastores, and apps for labeling, processing, and augmenting deep learning data. Use specialized tools from other MATLAB toolboxes to process data for domains such as image processing, object detection, semantic segmentation, signal processing, audio processing, and text analytics.
应用
图像标签 | 计算机视觉应用的标签图像 |
视频标签 | 计算机视觉应用的标签视频 |
地面真相标签 | 标签自动驾驶应用程序的地面真相数据 |
LIDAR LABELER | LIDAR点云中的地面真相数据 |
信号标签 | Label signal attributes, regions, and points of interest, and extract features |
话题
Preprocess Deep Learning Data
- Data Sets for Deep Learning
Discover data sets for various deep learning tasks. - 创建和探索数据存储以进行图像分类
此示例显示了如何创建,读取和增强图像数据存储,以用于培训深度学习网络。 - 深度学习的预处理图像
了解如何调整图像大小以进行培训,预测和分类,以及如何使用数据增强,转换和专业数据进行预处理图像。 - 深度学习的预处理
阅读和预处理体积图像和标签数据,以进行3D深度学习。 - 针对领域特定深度学习应用程序的预处理数据
对诸如图像处理,对象检测,语义分割,信号和音频处理以及文本分析等域进行确定性或随机数据处理。
标签地面真相培训数据
- Choose an App to Label Ground Truth Data
决定使用哪个应用程序标记地面真相数据:图像标签,,,,视频标签,,,,地面真相标签,,,,LIDAR LABELER, 或者信号标签。 - 标签语义分割的像素(计算机视觉工具箱)
使用标签应用程序来训练语义分割网络的标签像素。 - 开始使用地面真相标签(自动驾驶工具箱)
交互式标记多个LIDAR和视频信号。 - Custom Labeling Functions(信号处理工具箱)
创建和管理自定义标签功能。 - 在音频信号中使用标签单词(信号处理工具箱)
采用信号标签在音频信号中标记口语。
自定义数据存储
- 深度学习的数据存储
Learn how to use datastores in deep learning applications. - 准备图像到图像回归的数据存储
此示例显示了如何准备使用图像到图像回归网络的数据存储transform
and结合
功能成像
。 - 使用内存序列数据的火车网络
This example shows how to train a deep learning network on out-of-memory sequence data by transforming and combining datastores. - 使用卷积神经网络对文本数据进行分类
此示例显示了如何使用卷积神经网络对文本数据进行分类。 - 使用深度学习对失调的文本数据进行分类
此示例显示了如何使用转换后的数据存储使用深度学习网络将失调的文本数据分类。