denoisingImageDatastore
去噪图像数据存储
描述
使用一个denoisingImageDatastore
对象中的图像生成批量的噪声图像补丁和相应的噪声补丁ImageDatastore
.这些补丁被用来训练去噪深度神经网络。
此对象要求您拥有深度学习工具箱™。
请注意
当您使用去噪图像数据存储作为训练数据的来源时,数据存储为每个epoch的图像补丁添加随机噪声,以便每个epoch使用略微不同的数据集。每个纪元的实际训练图像数量增加了一个因子PatchesPerImage
.噪声图像补丁和相应的噪声补丁不存储在内存中。
创建
描述
dnimds =去噪imagedatastore (
创建去噪图像数据存储,洛桑国际管理发展学院
)dnimds
使用图像数据存储中的图像洛桑国际管理发展学院
.为了产生有噪声的图像补丁,去噪图像数据存储随机从原始图像中提取洛桑国际管理发展学院
然后添加标准偏差为的零均值高斯白噪声0.1
到图像补丁。
dnimds =去噪imagedatastore (
使用名称-值对指定二维图像补丁大小或设置洛桑国际管理发展学院
,名称,值
)PatchesPerImage
,GaussianNoiseLevel
,ChannelFormat
,DispatchInBackground
属性。可以指定多个名称-值对。将每个参数或属性名用引号括起来。
例如,denoisingImageDatastore (imd的PatchesPerImage 40)
创建去噪图像数据存储,并从图像数据存储中的每张图像随机生成40个噪声补丁,洛桑国际管理发展学院
.
输入参数
属性
对象的功能
结合 |
组合来自多个数据存储的数据 |
hasdata |
确定是否有数据可以读取 |
partitionByIndex |
分区denoisingImageDatastore 根据指标 |
预览 |
预览数据存储中的数据子集 |
读 |
读取数据denoisingImageDatastore |
readall |
读取数据存储中的所有数据 |
readByIndex |
读取索引中指定的数据denoisingImageDatastore |
重置 |
将数据存储重置为初始状态 |
洗牌 |
Shuffle数据存储中的数据 |
变换 |
变换数据存储 |
isPartitionable |
确定数据存储是否可分区 |
isShuffleable |
确定数据存储是否可洗牌 |
例子
提示
版本历史
在R2018a中引入