이페이지의최신내용은아직번역되지않았습니다。최신내용은영문으로볼수있습니다。

영상처리를위한딥러닝

영상잡음제거,저해상도영상에서고해상도영상만들기등의영상처리작업을컨벌루션신경망을사용하여수행(深学习工具箱™가필요함)

딥러닝은신경망을사용하여데이터에서특징의유용한표현을직접학습합니다。,예를들어사전훈련된신경망을사용하여영상에서잡음과같은아티팩트를식별하고제거할수있습니다。

함수

모두확장

augmentedImageDatastore 배치를변환하여영상데이터증대
bigimageDatastore 数据存储管理的大图像数据块
denoisingImageDatastore 去噪图像数据存储
imageDatastore 이미지데이터의데이터저장소
randomPatchExtractionDatastore 数据存储区用于从图像或像素标签图像中提取随机的2- d或3-d随机补丁
变换 变换数据存储
结合 合并来自多个数据存储数据
jitterColorHSV 像素随机地更改颜色
centerCropWindow2d 创建矩形中心裁剪窗口
centerCropWindow3d 创建立方体中心裁剪窗口
randomCropWindow2d 创建随机矩形裁剪窗口
randomCropWindow3d 创建随机立方裁剪窗口
长方形 2-d的矩形区域的空间范围
长方体 3-d立方体区域的空间范围
randomAffine2d 创建随机化2 d仿射变换
randomAffine3d 创建随机3-D仿射变换
affineOutputView 创建变形图像的输出视图
denoiseImage 利用深度神经网络对图像进行去噪
denoisingNetwork 获取图像去噪网
dnCNNLayers 获取去噪卷积神经网络层

도움말항목

딥러닝을위해영상전처리하기

数据存储深学习(深学习工具箱)

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为深度学习工作流增加图像(深学习工具箱)

此示例示出了如何MATLAB®和图像处理工具箱™可以执行常见的种类的图像增强的深学习工作流的一部分。

딥러닝을위해영상전처리하기(深学习工具箱)

훈련,예측및분류를위해영상의크기를조정하는방법과데이터증대,변환및특화된데이터저장소를사용하여영상을전처리하는방법을알아봅니다。

深学习预处理卷(深学习工具箱)

阅读和3-d深度学习预处理体积图像和标签数据。

딥러닝을사용하여영상잡음제거하기

火车和应用去噪神经网络

使用一个预先训练的神经网络来去除灰度图像中的高斯噪声,或者使用预先定义的图层来训练你自己的网络。

从彩色图像使用预训练神经网络去噪音

此示例示出了如何从RGB图像通过独立地使用关于每个颜色通道预训练去噪神经网络除去高斯噪声。

图像 - 图像회귀를위해데이터저장소준비하기(深学习工具箱)

이예제에서는图像到图像회귀네트워크를훈련시키기위해ImageDatastore变换함수와结合함수를사용하여데이터저장소를준비하는방법을보여줍니다。

MATLAB의딥러닝

MATLAB의딥러닝(深学习工具箱)

사전훈련된네트워크및전이학습,그리고GPU, CPU、클러스터및클라우드에서의훈련등분류및회귀에컨벌루션신경망을사용하여MATLAB®의딥러닝기능을알아봅니다。

사전훈련된심층신경망(深学习工具箱)

분류,전이학습및특징추출을위해사전훈련된컨벌루션신경망을다운로드하고사용하는방법을알아봅니다。

语义分割使用Deep学习(计算机视觉工具箱)

这个例子说明了如何使用深学习培养了语义分割网络。

추천예제