预处理数据是深度学习工作流中常见的第一步,以网络可以接受的格式准备原始数据。例如,可以调整图像输入的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特征或减少可能使网络产生偏差的瑕疵。例如,可以规范化或删除输入数据中的噪波。
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。
了解如何调整图像大小以进行培训、预测和分类,以及如何使用数据增强、转换和专用数据存储对图像进行预处理。
读取和预处理体积图像和标签数据,用于三维深度学习。
对图像处理、对象检测、语义分割、信号和音频处理以及文本分析等领域执行确定性或随机数据处理。
用于语义分割的标记像素(计算机视觉工具箱)
使用标签应用程序为训练语义分段网络的像素添加标签。
开始与地面真相标签(自动驾驶工具箱)
以交互方式同时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。
使用音频标签机为音频添加标签(音频工具箱)
以交互方式定义和可视化音频数据集的地面真实值标签。
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
功能图像数据存储
.
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。
这个例子展示了如何使用卷积神经网络对文本数据进行分类。
此示例演示如何使用转换后的数据存储,通过深度学习网络对内存不足的文本数据进行分类。