数据预处理
管理和预处理图像数据以进行深度学习
预处理图像数据以确保它采用网络可接受的格式是深度学习工作流中常见的第一步。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,以增强所需的特征或减少可能导致网络偏差的伪影。例如,您可以对输入数据进行归一化或去噪。
您可以使用 MATLAB® 和 Deep Learning Toolbox™ 中提供的数据存储和函数通过调整大小等操作来预处理图像输入。其他 MATLAB 工具箱提供了用于标注、处理和增强深度学习数据的函数、数据存储和 App。您可以使用其他 MATLAB 工具箱中的专用工具,针对图像处理、目标检测、语义分割等领域处理数据。
App
函数
imageDatastore | 图像数据的数据存储 |
augmentedImageDatastore | Transform batches to augment image data |
imageDataAugmenter | Configure image data augmentation |
augment | Apply identical random transformations to multiple images |
minibatchqueue | Create mini-batches for deep learning |
主题
- 预处理图像以进行深度学习
了解如何调整图像大小以进行训练、预测和分类,以及如何使用数据增强、变换和专用数据存储对图像进行预处理。
- Preprocess Volumes for Deep Learning
Read and preprocess volumetric image and label data for 3-D deep learning.
- Datastores for Deep Learning
Learn how to use datastores in deep learning applications.
- Import Data into Deep Network Designer
Import and visualize data in Deep Network Designer.
- 在 MATLAB 中进行深度学习
通过使用卷积神经网络进行分类和回归来探索 MATLAB 的深度学习能力,包括预训练网络和迁移学习,以及在 GPU、CPU、集群和云上进行训练。
- Deep Learning Tips and Tricks
Learn how to improve the accuracy of deep learning networks.
- Data Sets for Deep Learning
Discover data sets for various deep learning tasks.