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。
用于深度学习的数据存储(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)
这个例子展示了MATLAB®和图像处理工具箱™如何执行常见类型的图像增强,作为深度学习工作流程的一部分。
深度学习的图像预处理(深度学习工具箱)
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。
深度学习预处理卷(深度学习工具箱)
为三维深度学习读取和预处理体积图像和标记数据。
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。
这个例子展示了如何在每个颜色通道上使用预先训练的去噪神经网络从RGB图像中去除高斯噪声。
为图像到图像的回归准备数据存储(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ImageDatastore
.
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(计算机视觉工具箱)
这个例子展示了如何使用深度学习训练语义分割网络。