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。
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。
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
和结合
的功能ImageDatastore
。
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。