预处理数据是在深学习流程中的第一步,以的格式准备的原始数据,该网络可以接受。例如,可以调整输入图像以匹配图像输入层的大小。您也可以数据预处理,以增强期望的功能或减少文物,可促使网络。例如,可以正常化或从输入数据中的噪声除去。
您可以通过使用数据存储,并提供功能的MATLAB与进行预处理,如尺寸调整操作图像输入®和深度学习工具箱™。其他MATLAB工具箱提供的功能,数据存储和应用程序进行标记,处理和增强深学习数据。使用专门的工具从其他MATLAB工具箱来处理域诸如图像处理,对象检测语义分割,信号处理,音频处理,和文本分析数据。
发现数据集各种深学习任务。
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。
阅读和3-d深度学习预处理体积图像和标签数据。
执行确定性或随机化的数据进行结构域诸如图像处理,对象检测语义分割,信号和音频处理,和文本分析处理。
标签像素语义分割(计算机视觉工具箱)
标记象素,用于通过使用标记的应用程序训练语义分割网络。
入门与地面真相贴标机(自动驾驶的工具箱)
同时交互式标签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。
标签音频使用音频贴标机(音频工具箱)
交互定义和可视化地面实况标签音频数据集。
了解如何使用深层学习应用的数据存储。
此示例示出了如何准备的数据存储用于使用所述训练的图像 - 图像回归网络转变
和结合
功能ImageDatastore
。
这个例子展示了如何通过变换和组合数据存储火车内存不足序列数据的深度学习网络。
这个例子说明了如何使用卷积神经网络的文本数据进行分类。
这个例子说明了如何使用转化数据存储与深度学习网络内存外的文本数据进行分类。