主要内容

RandompatchExtractionDatastore.

用于从图像或像素标签图像中提取随机2-D或3-D随机补丁的数据存储

展开所有页面

描述

一种RandompatchExtractionDatastore.从两个基于图像的数据存储中提取相应的随机定位斑块。例如，输入数据存储可以是两个图像数据存储，其包含用于训练图像到图像回归网络的网络输入和期望的网络响应，或用于训练语义分割网络的地面真理图像和像素标签数据。

此对象要求您有深入的学习工具箱™。

笔记

当你使用的时候RandompatchExtractionDatastore.作为训练数据的来源，数据存储区从每个epoch从每个图像中提取多个随机补丁，以便每个时代使用略微不同的数据集。每个时代的培训补丁的实际数量是繁殖图像的数量乘以patchesperimage.。图像修补程序不存储在内存中。

创建

句法

PATCHDS = RANDOMPHATCHENEXTRACTNDATASTORE（DS1，DS2，PACCHSIZE）
PATCHDS = RANDOMPHATCHENEXTRACTNDATASTORE（DS1，DS2，PACCEDSIZE，NAME，VALUE）

描述

例子

patchds = randompatchExtractionDataStore（DS1那DS2.那补丁）创建一个数据存储区，提取大小的随机定位的斑块补丁从数据存储中的输入数据DS1和数据存储中的响应数据DS2.。

patchds = randompatchExtractionDataStore（DS1那DS2.那补丁那名称，价值）使用名称值对设置patchesperimage.那dataaugmentation.， 和DisparctinBackground.特性。您可以指定多个名称值对。将每个属性名称括在引号中。

例如，RandompatchExtractionDataStore（IMDS1，IMDS2,50，'PatchesPerimage'，40）创建一个数据存储区，随机生成从图像数据存储中的每个图像生成40个大小50×50像素的补丁IMDS1和IMDS2。

输入参数

展开全部

输入数据包含到网络的训练输入，指定为一个imageageAtastore.那PixellabeldAtastore.（电脑视觉工具箱）， 或者变换adatastore.。

指定A.PixellabeldAtastore.需要计算机Vision Toolbox™。

笔记

imageageAtastore.允许使用预取的JPG或PNG图像文件批量读取。如果使用自定义函数来读取图像，则不会发生预取。

表示所需网络响应的响应数据，指定为一个imageageAtastore.那PixellabeldAtastore.（电脑视觉工具箱）， 或者变换adatastore.。如果您指定了一个变换adatastore.，然后底层数据存储必须是一个imageageAtastore.或者PixellabeldAtastore.。

指定A.PixellabeldAtastore.需要计算机视觉工具箱。

笔记

imageageAtastore.允许使用预取的JPG或PNG图像文件批量读取。如果使用自定义函数来读取图像，则不会发生预取。

特性

展开全部

此属性是只读的。

补丁大小，指定为以下之一。

  • 用于2-D斑块的正整数的2元素矢量。补丁有表格[R.C] 在哪里R.指定行数和C指定补丁中的列数。

  • 3-D斑块的正整数的3元素矢量。补丁有表格[R.CP.] 在哪里R.指定行数，C指定列的数量，以及P.指定补丁中的平面数。

每个图像的随机补丁数量，指定为正整数。

预处理应用于输入图像，指定为一个ImagedataAugmenter.（深度学习工具箱）对象或者'没有任何'。什么时候dataaugmentation.是'没有任何'，没有预处理应用于输入图像。

增加随机变换的数据，例如调整大小，旋转和反射，以帮助阻止网络过度接收和记忆训练数据的确切细节。这RandompatchExtractionDatastore.将相同的随机转换应用于每对中的两个补丁。数据存储在培训时实时增强数据。

这dataaugmentation.3-D数据不支持属性。金宝app要预处理3-D数据，请使用转换功能。

在培训，预测或分类期间，在背景中调度观测，指定为错误的或者真的。要使用后台调度，必须具有并行计算工具箱™。

每批返回的观察数。您可以更改值小匹匹匹匹配只有创建数据存储后。用于培训，预测和分类，小匹匹匹匹配属性设置为迷你批处理尺寸培训选项（深度学习工具箱）。

此属性是只读的。

总观察数RandompatchExtractionDatastore.。观察数是一个训练时代的长度。

对象功能

结合 将数据与多个数据存储组合
哈迪塔 确定数据是否可用读取
numpartitions 数据存储区分区数量
划分 分区数据存储
PartitionByIndex. 划分RandompatchExtractionDatastore.根据索引
预习 在数据存储区中预览数据子集
读 读取数据RandompatchExtractionDatastore.
读物 阅读数据存储中的所有数据
readbyex. 读取由索引指定的数据RandompatchExtractionDatastore.
重启 将数据存储重置为初始状态
洗牌 数据存储中的Shuffle数据
转换 转换数据存储
是可分派的 确定数据存储是否已分配
isShufflable. 确定数据存储是否会破坏

例子

全部收缩

此示例使用：

打开直播脚本

创建包含培训图像的图像数据存储。此示例中的数据存储包含JPEG彩色图像。

imagedir = fullfile（toolboxdir（'图片'），'imdata'）;imds1 = imagedataStore（Imagedir，'fileextensions'那'.jpg'）;

创建一个转换图像的第二个数据存储IMDS1通过应用高斯模糊。

IMDS2 =变换（IMDS1，@（x）imgaussfilt（x，2））;

创建一个ImagedataAugmenter.这通过范围[0,90]度的随机角度旋转图像，并随机地水平反射图像数据。

upmmenter = imagedataAugmenter（'randroatation'，[0 90]，'randxreflection'，真的）
Augmenter = ImagedataAugmenter具有属性：FileValue：0 RANDXREFLECTECT：1 RANDYREFLECTION：0 RANDROTATION：[0 90] RANDSCALE：[1] RANDXSCALE：[1] RANCYSCALE：[1] RANDXSHEAR：[0] RANDXSHEAR：[0] RANDYSHEAR：[0] RANDYSHEAR：[0] RANDYSHEAR：[0] RANDYSHEAR：[0]] randXtranslation：[0] RandyTranslation：[0 0]

创建一个RandompatchExtractionDatastore.从未处理的训练图像和相应的平滑响应图像中提取大小100-100的随机斑块的对象。通过设置来指定增强选项dataaugmentation.财产。

PATCHDS = RANDOMPHATCHEXTRACTNDATASTORE（IMDS1，IMDS2，[100 100]，......'dataaugmentation'，增强者）
PATCHDS = RANDOMPHATCHEXTRACTIONDATASTORATERS属性：PACKESPERIMAGE：128 PatchSize：[100 100] DataAugmentation：[1×1 ImagedataAugmenter] Minibatchsize：128 NumOBservations：[] Displatchinbackground：0

预览一组增强图像修补程序和相应的平滑图像修补程序。

minibatch = preview（patchds）;输入= minibatch.inputimage;响应= minibatch.ResponseImage;测试= CAT（2，输入，响应）;蒙太奇（测试'，'尺寸'，[8 2]）标题（'输入（左）和响应（右）'）

此示例使用：

打开直播脚本

创建包含培训图像的图像数据存储。

datadir = fullfile（toolboxdir（'想象'），'VisionData'那'triangleimages'）;imageageR = fullfile（datadir，'培训码'）;IMDS = IMAGEDATASTORE（IMAGEDIR）;

定义类名称及其关联的标签ID。然后，创建包含用于训练图像的地面真相像素标签的像素标签数据存储。

ClassNames = [“三角形”那“背景”];labelids = [255 0];labeldir = fullfile（Datadir，'训练标签'）;pxds = pixellabeldataStore（Labeldir，ClassNames，LabelIds）;

创建随机补丁提取数据存储，以从图像和对应的像素标签中提取大小32乘32像素的随机斑块。设置可选patchesperimage.属性从每个图像和像素标签对中提取512个随机补丁。

PATCHDS = RANDOMPHATCHEXTRACTIONDATASTORE（IMDS，PXDS，32，......'patchesperimage'，512）;

创建一个用于语义分割的网络。

图层= [imageInputlayer（[32 32 1]）卷积2dlayer（3,64，'填充'，1）rululayer（）maxpooling2dlayer（2，'走吧'，2）卷积2dlayer（3,64，'填充'，1）Rubulayer（）转置Conv2dlayer（4,64，'走吧'2，'裁剪'，1）Convolution2Dlayer（1,2）SoftMaxLayer（）PixelClassificationLayer（）]
图层= 10x1层阵列，带有层数：1''图像输入32x32x1图像，具有'zerocenter'归一化2''卷积64 3x3卷积与步幅[1 1]和padding [1 1 1 1] 3''Relu Relu 4''Max汇集2x2 max汇集步进[2 2]和填充[0 0 0 0] 5'卷积64 3x3卷绕卷发[1 1]和填充[1 1 1 1] 6''Relu Relu 7''转置卷积644×4带有步幅的转换卷积[2 2]和输出裁剪[1 1] 8''卷积2 1x1卷曲与步幅[1 1]和填充[0 0 0 0] 9''softmax softmax 10''像素分类层交叉 -熵损失

设置培训选项。减少培训时间，设置maxepochs.到5。

选项=培训选项（'sgdm'那......'italllearnrate'，1e-3，......'maxepochs'，5，......'verbose'，错误的）;

训练网络。

net = trainnetwork（patchds，图层，选项）;

尖端

  • 这RandompatchExtractionDatastore.期望输出来自读在输入数据存储上的操作返回相同大小的阵列。

  • 如果输入数据存储是一个imageageAtastore.，然后是它的值标签财产被忽视RandompatchExtractionDatastore.。

  • 可视化a中的2-d数据RandompatchExtractionDatastore.，你可以使用预习函数，返回表中的数据子集。通过使用通过使用相同图形的所有补丁可视化剪辑功能。例如，此代码显示来自a的图像修补程序的预览RandompatchExtractionDatastore.叫包皮。

    minibatch = preview（patchds）;蒙太奇（Minibatch.Inputimage）

也可以看看

||（电脑视觉工具箱）|（电脑视觉工具箱）|（深度学习工具箱）|（深度学习工具箱）|（深度学习工具箱）

话题

在R2018B中介绍

图像处理工具箱文档

金宝app

与Matlab引入深度学习

与Matlab引入深度学习

下载电子书