去噪图像数据存储
使用一个denoisingImageDatastore
对象从图像中生成批量的噪声图像块和相应的噪声图像块imageageAtastore.
.用这些小块来训练去噪深度神经网络。
此对象要求您有深入的学习工具箱™。
笔记
当您使用去噪图像数据存储作为训练数据的来源时,该数据存储为每个纪元的图像补丁添加随机噪声,因此每个纪元使用略有不同的数据集。每个epoch的实际训练图像数增加了一倍patchesperimage.
.噪声图像块和相应的噪声块不存储在内存中。
dnimds = denoisingimagedataStore(
创建一个去噪图像数据存储,IMDS.
)dnimds.
使用图像数据存储的图像IMDS.
.为了生成噪声图像块,去噪图像数据存储随机地从原始图像中提取原始图像IMDS.
然后加上零均值高斯白噪声,标准差为0.1
到图像补丁。
dnimds = denoisingimagedataStore(
使用名称值对来指定二维图像修补程序大小或设置IMDS.
那名称,值
)patchesperimage.
那GaussianNoiseLevel
那ChannelFormat.
,DispatchInBackground
特性。您可以指定多个名称值对。将每个参数或属性名称用引号括起来。
例如,DenoisingImagedAtastore(IMDS,'patchesperimage',40)
创建一个去噪图像数据存储,随机生成从图像数据存储的每个图像中生成40个噪声修补程序,IMDS.
.
训练一个深度神经网络的高斯噪声标准偏差范围比训练一个网络的高斯噪声标准偏差要困难得多。与单个噪声级情况相比,您应该创建更多补丁,培训可能需要更多时间。
要在去噪图像数据存储中可视化数据,可以使用预览
函数,它返回表中数据的子集。这输入
变量包含有噪声的图像块和回复
变量包含相应的噪声补丁。通过使用通过使用相同图形的所有噪声图像修补程序或噪声补丁可视化剪辑
功能。例如,此代码在名为的Denoising Image数据存储中显示数据dnimds.
.
minibatch = preview(dnimds);montage(minibatch.input)图蒙太奇(minibatch.response)
每次从去噪图像数据存储中读取图像时,都会给每幅图像添加不同数量的随机高斯噪声。