深度学习数据预处理

管理和预处理深度学习数据

预处理数据通常作为深度学习工作流中的第一步，旨在将原始数据准备为网络可以接受的格式。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、信号处理、音频处理和文本分析等领域处理数据。

App

图像标注器	Label images for computer vision applications
视频标注器	Label video for computer vision applications
真实值标注器	Label ground truth data for automated driving applications
激光雷达标注器	Label ground truth data in lidar point clouds
信号标注器	Label signal attributes, regions, and points of interest, and extract features

主题

预处理深度学习数据

Data Sets for Deep Learning
Discover data sets for various deep learning tasks.
Create and Explore Datastore for Image Classification
This example shows how to create, read, and augment an image datastore for use in training a deep learning network.
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.
Preprocess Data for Domain-Specific Deep Learning Applications

Perform deterministic or randomized data processing for domains such as image processing, object detection, semantic segmentation, signal and audio processing, and text analytics.

标注真实值训练数据

Choose an App to Label Ground Truth Data
Decide which app to use to label ground truth data: Image Labeler, Video Labeler, Ground Truth Labeler, Lidar Labeler, Signal Labeler, or Medical Image Labeler.
Label Pixels for Semantic Segmentation (Computer Vision Toolbox)
Label pixels for training a semantic segmentation network by using a labeling app.
Get Started with Ground Truth Labelling (Automated Driving Toolbox)
Interactively label multiple lidar and video signals simultaneously.
Custom Labeling Functions (Signal Processing Toolbox)
Create and manage custom labeling functions.
Label Spoken Words in Audio Signals (Signal Processing Toolbox)
Use Signal Labeler to label spoken words in an audio signal.

自定义数据存储

Datastores for Deep Learning
Learn how to use datastores in deep learning applications.
为图像到图像的回归准备数据存储
此示例说明如何准备数据存储，以便使用 ImageDatastore 的 transform 和 combine 函数来训练图像到图像的回归网络。
使用无法放入内存的序列数据训练网络
此示例说明如何通过变换和合并数据存储基于无法放入内存的序列数据来训练深度学习网络。
使用卷积神经网络对文本数据进行分类
此示例说明如何使用卷积神经网络对文本数据进行分类。
使用深度学习对无法放入内存的文本数据进行分类
此示例说明在深度学习网络中，如何使用变换后的数据存储对无法放入内存的文本数据进行分类。

深度学习数据预处理

App

主题

预处理深度学习数据

标注真实值训练数据

自定义数据存储

WeChat