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中使用数据存储和功能(如Matlab中提供的功能)进行预处理图像输入®和深度学习工具箱™。其他MATLAB工具箱提供用于标记,处理和增强深度学习数据的函数,数据存储和应用程序。使用来自其他MATLAB工具箱的专业工具来处理域的数据,例如图像处理,对象检测,语义分割,信号处理,音频处理和文本分析。
发现各种深度学习任务的数据集。
此示例显示如何创建,读取和增强图像数据存储,以用于培训深度学习网络。
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。
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。
自定义标签功能(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。
这个例子展示了如何准备一个数据存储来训练图像到图像回归网络转变
和结合
的功能ImageDatastore
.
此示例显示如何通过转换和组合数据存储来训练内存序列数据上的深度学习网络。
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。