深度学习使用神经网络直接从数据学习功能的有用表示。例如,您可以使用预先训练的神经网络来识别和删除像图像噪声的伪影。
深入学习的数据购物(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增强图像的深度学习工作流程(深度学习工具箱)
此示例显示了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种类的图像增强。
深度学习的预处理图像(深度学习工具箱)
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。
深度学习的预处理卷(深度学习工具箱)
读取和预处理体积图像和3-D深度学习的标签数据。
您可以创建和自定义与重复图层组的模块化模式的深度学习网络,例如U-Net和Cyclegan。
GaN网络可以将样式和特征从一组图像转移到其他图像的场景内容。
使用预制的神经网络从灰度图像中删除高斯噪声,或使用预定义的图层培训您自己的网络。
该示例显示如何通过独立地使用每个颜色通道上的预训练的去噪神经网络从RGB图像中删除高斯噪声。
准备图像到图像回归的数据存储(深度学习工具箱)
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.
。
在Matlab中深入学习(深度学习工具箱)
发现Matlab的深度学习能力®利用卷积神经网络进行分类和回归,包括佩戴网络和转移学习,以及GPU,CPU,集群和云的培训。
普里德深度神经网络(深度学习工具箱)
了解如何下载和使用佩带的卷积神经网络进行分类,转移学习和特征提取。
利用深度学习的语义分割(电脑视觉工具箱)
此示例显示如何使用深度学习培训语义分段网络。
深度学习层名单(深度学习工具箱)
发现Matlab中的所有深度学习层。