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,您可以使用预训练的神经网络来识别和移除图像中的伪影(如噪声)。
使用确定性操作(如标准化或颜色空间转换)预处理数据,或使用随机操作(如随机裁剪或颜色抖动)增加训练数据。
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。
为图像到图像的回归准备数据存储(深度学习工具箱)
此示例演示如何使用使改变
和结合
功能图像数据存储
.
此示例显示了MATLAB®和图像处理工具箱的工作原理™ 作为深度学习工作流程的一部分,可以执行常见类型的图像增强。
MATLAB中的深度学习(深度学习工具箱)
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、群集和云上的培训,在MATLAB中发现深度学习能力。
基于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来训练语义分割网络。