预处理数据是深度学习工作流程中的一个常见的第一步,以准备网络可以接受的格式的原始数据。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以增强所需的功能或减少可以偏向网络的工件。例如,您可以从输入数据中标准化或删除噪声。
您可以使用Matlab中使用数据存储和功能(如Matlab中提供的功能)进行预处理图像输入®和深度学习工具箱™。其他MATLAB工具箱提供用于标记,处理和增强深度学习数据的函数,数据存储和应用程序。使用来自其他MATLAB工具箱的专业工具来处理域的数据,例如图像处理,对象检测,语义分割,信号处理,音频处理和文本分析。
发现各种深度学习任务的数据集。
此示例显示如何创建,读取和增强图像数据存储,以用于培训深度学习网络。
了解如何调整图像的培训,预测和分类的大小,以及如何使用数据增强,转换和专用数据存储进行预处理图像。
读取和预处理体积图像和3-D深度学习的标签数据。
对域进行确定性或随机数据处理,例如图像处理,对象检测,语义分段,信号和音频处理以及文本分析。
语义分割标签像素(电脑视觉工具箱)
使用标签应用程序为培训语义分段网络的标签像素。
从地面真相贴标程序开始(自动驾驶工具箱)
同时交互式标记多个激光雷达和视频信号。
自定义标签功能(信号处理工具箱)
创建和管理自定义标签功能。
使用音频贴标程序标记音频(音频工具箱)
以交互方式定义和可视化视场标签进行音频数据集。
了解如何在深度学习应用程序中使用数据存储。
此示例显示如何使用该示例说明用于培训图像到图像回归网络的数据存储转变
和结合
函数imageageAtastore.
。
此示例显示如何通过转换和组合数据存储来训练内存序列数据上的深度学习网络。
此示例显示如何使用卷积神经网络对文本数据进行分类。
此示例显示如何使用转换的数据存储对存储器外部文本数据进行分类。