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,您可以调整图像输入的大小以匹配图像输入层的大小。您还可以对数据进行预处理,以增强所需的特性或减少可能影响网络的因素。例如,您可以规范化或删除输入数据中的噪声。
您可以使用MATLAB中可用的数据存储和函数,通过调整大小等操作预处理图像输入®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功能、数据存储和应用程序。使用其他MATLAB工具箱中的专用工具处理图像处理、对象检测、语义分割、信号处理、音频处理和文本分析等领域的数据。
发现各种深度学习任务的数据集。
此示例演示如何创建、读取和扩充图像数据存储,以用于深度学习网络的培训。
了解如何调整图像的大小以进行训练、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。
为三维深度学习读取和预处理体积图像和标记数据。
执行确定性或随机数据处理的领域,如图像处理,目标检测,语义分割,信号和音频处理,和文本分析。
决定使用哪个应用程序来标记地面真相数据:图片标志,贴标签机视频,地面实况贴标签机,激光雷达贴标签机,信号贴标签机,或音频贴标签机.
标记像素用于语义分割(计算机视觉工具箱)
使用标记应用对像素进行标记,训练语义分割网络。
开始使用Ground Truth标签(自动驾驶工具箱)
交互式标签多个激光雷达和视频信号同时。
自定义标签函数(信号处理工具箱)
创建和管理自定义标签功能。
使用音频标签器标记音频(音频工具箱)
交互式定义和可视化地面真实标签的音频数据集。
了解如何在深度学习应用程序中使用数据存储。
此示例演示如何使用使改变
和结合
的功能ImageDatastore
.
这个例子展示了如何通过转换和组合数据存储来训练关于内存外序列数据的深度学习网络。
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。
这个例子展示了如何用深度学习网络使用转换后的数据存储对内存不足的文本数据进行分类。