用于图像处理的深度学习

使用卷积神经网络(需要深度学习工具箱™)执行图像处理任务,如去除图像噪声并从低分辨率图像中创建高分辨率图像(需要深度学习工具箱™)金宝搏官方网站

深度学习使用神经网络直接从数据中学习有用的特征表示。例如,您可以使用一个预先训练的神经网络来识别和删除图像中的伪影,如噪声。

功能

全部展开

augmentedImageDatastore 转换批次以增加图像数据
bigimageDatastore 用于管理大图像数据块的数据存储
denoisingImageDatastore 去噪图像数据存储
imageDatastore 图像数据的数据存储
randomPatchExtractionDatastore 用于从图像或像素标签图像中提取随机二维或三维随机补丁的数据存储
变换 变换数据存储
结合 合并来自多个数据存储的数据
jitterColorHSV 随机改变像素的颜色
centerCropWindow2d 创建矩形中心裁剪窗口
centerCropWindow3d 创建长方体中心裁剪窗口
randomCropWindow2d 创建随机矩形裁剪窗口
randomCropWindow3d 创建随机的长方体裁剪窗口
矩形 二维矩形区域的空间范围
长方体 三维长方体区域的空间范围
randomAffine2d 创建随机的二维仿射变换
randomAffine3d 创建随机的3-D仿射变换
affineOutputView 创建变形图像的输出视图
denoiseImage 利用深度神经网络对图像进行去噪
denoisingNetwork 得到图像去噪网络
dnCNNLayers 得到去噪卷积神经网络层

主题

为深度学习预处理图像

用于深度学习的数据存储(深度学习工具箱)

了解如何在深度学习应用程序中使用数据存储。

使用图像处理工具箱为深度学习工作流增加图像(深度学习工具箱)

这个示例展示了MATLAB®和图像处理工具箱™如何作为深度学习工作流的一部分执行常见的图像增强。

为深度学习预处理图像(深度学习工具箱)

了解如何为训练、预测和分类调整图像的大小,以及如何使用数据扩充、转换和专门的数据存储对图像进行预处理。

深度学习的预处理卷(深度学习工具箱)

读取和预处理三维深度学习的体积图像和标签数据。

使用深度学习去噪图像

训练和应用去噪神经网络

使用一个预先训练的神经网络来去除灰度图像中的高斯噪声,或者使用预定义的层来训练你自己的网络。

利用预先训练的神经网络去除彩色图像中的噪声

这个例子展示了如何从RGB图像中去除高斯噪声,方法是在每个颜色通道上使用一个预先训练的去噪神经网络。

为映像到映像的回归准备数据存储(深度学习工具箱)

此示例显示如何准备一个数据存储,以使用变换结合的功能ImageDatastore

深度学习在MATLAB

MATLAB中的深度学习(深度学习工具箱)

发现MATLAB中的深度学习能力®使用卷积神经网络进行分类和回归,包括预训练网络和转移学习,以及gpu、cpu、集群和云的训练。

预先训练的深度神经网络(深度学习工具箱)

学习如何下载和使用预先训练好的卷积神经网络进行分类、转移学习和特征提取。

使用深度学习的语义分割(计算机视觉工具箱)

这个例子展示了如何使用深度学习训练一个语义分割网络。

特色的例子