深学习的图像处理

执行图像处理任务,比如去除图像噪声,建立从低分辨率的图像的高清晰度图像,采用卷积神经网络(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像噪声这样的工件。

功能

全部展开

augmentedImageDatastore 变换批次扩充图像数据
bigimageDatastore 数据存储管理的大图像数据块
denoisingImageDatastore 去噪图像数据存储
imageDatastore 数据存储的图像数据
randomPatchExtractionDatastore 数据存储区用于从图像或像素标签图像中提取随机的2- d或3-d随机补丁
变换 变换数据存储
结合 合并来自多个数据存储数据
jitterColorHSV 像素随机地更改颜色
centerCropWindow2d 创建矩形中心裁剪窗口
centerCropWindow3d 创建立方体中心裁剪窗口
randomCropWindow2d 创建随机矩形裁剪窗口
randomCropWindow3d 创建随机立方裁剪窗口
矩形 2-d的矩形区域的空间范围
长方体 3-d立方体区域的空间范围
randomAffine2d 创建随机化2 d仿射变换
randomAffine3d 创建随机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 获取图像去噪网
dnCNNLayers 获取去噪卷积神经网络层

主题

深学习预处理图像

数据存储深学习(深学习工具箱)

学习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(深学习工具箱)

此示例示出了如何MATLAB®和图像处理工具箱™可以执行常见的种类的图像增强的深学习工作流的一部分。

深学习预处理图像(深学习工具箱)

了解如何调整图像进行训练,预测和分类,以及如何使用数据增强,转换和专业数据存储预处理图像。

深学习预处理卷(深学习工具箱)

阅读和3-d深度学习预处理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,或者使用预先定义的图层来训练你自己的网络。

从彩色图像使用预训练神经网络去噪音

此示例示出了如何从RGB图像通过独立地使用关于每个颜色通道预训练去噪神经网络除去高斯噪声。

准备数据存储的图像到影像回归(深学习工具箱)

此示例说明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,包括预先训练的网络和转移学习,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。

语义分割使用Deep学习(计算机视觉工具箱)

这个例子说明了如何使用深学习培养了语义分割网络。

精选示例