深度学习使用神经网络直接从数据中学习有用的特征表示。例如,您可以使用预先训练的神经网络来识别和去除图像中的伪影,如噪声。
深入学习的数据购物(深度学习工具箱)
学习如何在深度学习应用程序中使用数据存储。
使用图像处理工具箱增强图像用于深度学习工作流(深度学习工具箱)
此示例显示了MATLAB®和图像处理工具箱™如何作为深度学习工作流的一部分执行常见种类的图像增强。
深度学习的预处理图像(深度学习工具箱)
了解如何调整图像的培训,预测和分类的大小,以及如何使用数据增强,转换和专用数据存储进行预处理图像。
深度学习的预处理卷(深度学习工具箱)
读取和预处理体积图像和3-D深度学习的标签数据。
您可以创建和定制深度学习网络,这些网络遵循模块化模式,具有重复的层组,如U-Net和cycleGAN。
GaN网络可以将样式和特征从一组图像转移到其他图像的场景内容。
使用预先训练的神经网络从灰度图像中去除高斯噪声,或使用预先定义的层训练自己的网络。
该示例显示如何通过独立地使用每个颜色通道上的预训练的去噪神经网络从RGB图像中删除高斯噪声。
准备图像到图像回归的数据存储(深度学习工具箱)
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变换
和结合
的功能imageageAtastore.
。
MATLAB中的深度学习(深度学习工具箱)
发现MATLAB中的深度学习能力®使用卷积神经网络进行分类和回归,包括预训练网络和迁移学习,以及gpu、cpu、集群和云上的训练。
预先训练的深度神经网络(深度学习工具箱)
学习如何下载和使用预训练的卷积神经网络进行分类、迁移学习和特征提取。
基于深度学习的语义分割(电脑视觉工具箱)
此示例显示如何使用深度学习培训语义分段网络。
深度学习层名单(深度学习工具箱)
发现Matlab中的所有深度学习层。