Applicazioni
Utilizzare Deep Learning Toolbox™ per incorporare il Deep Learning in applicazioni di computer vision, elaborazione delle immagini, guida automatizzata, elaborazione dei segnali, audio, analisi dei testi e finanza computazionale.
Categorie
- Elaborazione di immagini e computer vision
Estendere i workflow di Deep Learning con le applicazioni di elaborazione di immagini, computer vision, imaging medico, Lidar e guida automatizzata
- Elaborazione del segnale, audio e wireless
Estendere i workflow di Deep Learning con le applicazioni di elaborazione del segnale, elaborazione audio, comunicazioni wireless ed elaborazione radar
- Sistemi autonomi e di controllo
Estendere i workflow di Deep Learning con le applicazioni di apprendimento di rinforzo, manutenzione predittiva e navigazione autonoma
- Analisi del testo e finanza computazionale
Estendere i workflow di Deep Learning con le applicazioni di analisi del testo e di finanza computazionale
- Workflow di IA end-to-end
Utilizzare il Deep Learning in attività end-to-end, tra cui la definizione dei requisiti, la preparazione dei dati, l'addestramento neurale profondo, la compressione, il test e la verifica della rete, l'integrazione di Simulink e la distribuzione
Esempi in primo piano
Object Detection Using YOLO v4 Deep Learning
Detect objects in images using you only look once version 4 (YOLO v4) deep learning network. In this example, you will
Train Deep Learning Semantic Segmentation Network Using 3-D Simulation Data
Use 3-D simulation data to train a semantic segmentation network and fine-tune it to real-world data using generative adversarial networks (GANs).
Lidar Object Detection Using Complex-YOLO v4 Network
Detect objects in point clouds using you only look once version 4 (YOLO v4) deep learning network. In this example, you will
Increase Image Resolution Using Deep Learning
Create a high-resolution image from a low-resolution image using a very-deep super-resolution (VDSR) neural network.
Chemical Process Fault Detection Using Deep Learning
Use simulation data to train a neural network than can detect faults in a chemical process.
Compare Deep Learning Networks for Credit Default Prediction
Create, train, and compare three deep learning networks for predicting credit default probability.
Sequence-to-Sequence Translation Using Attention
Convert decimal strings to Roman numerals using a recurrent sequence-to-sequence encoder-decoder model with attention.
Classify ECG Signals Using Long Short-Term Memory Networks
Classify heartbeat electrocardiogram data using deep learning and signal processing.
Waveform Segmentation Using Deep Learning
Segment human electrocardiogram signals using time-frequency analysis and deep learning.
