数据预处理
为深入学习管理和图像数据进行预处理
预处理图像数据,以确保它是网络可以接受的格式是一种常见的深度学习工作流程的第一步。例如,您可以调整图像的输入匹配图像输入层的大小。您还可以进行预处理的数据来提高或降低工件所需的特性,这些特性可以偏见网络。例如,你可以从输入数据或删除噪音正常化。
你可以输入预处理图像与调整等操作通过使用数据存储在MATLAB和功能可用®和深度学习工具箱™。其他MATLAB工具箱提供的功能、数据存储和应用标签、加工、增加深度学习数据。从其他MATLAB工具箱使用专门的工具来处理数据图像处理等领域,对象检测和语义分割。
功能
imageDatastore |
数据存储的图像数据 |
augmentedImageDatastore |
转换批次增加图像数据 |
imageDataAugmenter |
配置图像数据增加 |
增加 |
将相同的随机转换应用到多个图像 |
minibatchqueue |
创建mini-batches深度学习 |
主题
- 预处理图像深度学习
学习如何调整图片培训、预测和分类,以及如何使用数据预处理图像,转换和专门的数据存储。
- 预处理卷深度学习
阅读和预处理容积图像和标签数据三维深度学习。
- 数据存储深度学习
学习如何使用深度学习应用程序中数据存储。
- 数据导入深度网络设计师
导入和可视化数据深陷网络设计师。
- 深度学习在MATLAB
发现深度学习能力在MATLAB使用卷积神经网络分类和回归,包括pretrained网络和学习,转移和培训在gpu, cpu,集群和云。
- 深度学习技巧和窍门
学习如何提高深度学习网络的准确性。
- 深度学习的数据集
发现数据集各种深度学习任务。
