Pre-elaborazione dei dati
La pre-elaborazione dei dati dell’immagine per accertarsi che siano in un formato accettabile da parte della rete è un primo passo abituale nei workflow di Deep Learning. Ad esempio, si possono ridimensionare le immagini di input per farle corrispondere alle dimensioni di un livello di input di immagini. È anche possibile pre-elaborare i dati per migliorare le feature desiderate o ridurre gli artefatti che possono influenzare la rete. Ad esempio, è possibile normalizzare o rimuovere il rumore dai dati di input.
È possibile pre-elaborare le immagini di input con operazioni quali il ridimensionamento, utilizzando i datastore e le funzioni disponibili in MATLAB® e Deep Learning Toolbox™. Altri toolbox MATLAB offrono funzioni, datastore e app per l'etichettatura, l'elaborazione e l'incremento dei dati di Deep Learning. Utilizzare gli strumenti specializzati di altri toolbox MATLAB per elaborare i dati per domini quali l'elaborazione delle immagini, il rilevamento di oggetti e la segmentazione semantica.
App
Image Labeler | Label images for computer vision applications |
Video Labeler | Label video for computer vision applications |
Ground Truth Labeler | Label ground truth data for automated driving applications |
Funzioni
imageDatastore | Datastore for image data |
augmentedImageDatastore | Trasformare i batch per aumentare i dati dell’immagine |
imageDataAugmenter | Configure image data augmentation |
augment | Apply identical random transformations to multiple images |
minibatchqueue | Create mini-batches for deep learning (Da R2020b) |
Argomenti
- Preprocess Images for Deep Learning
Learn how to resize images for training, prediction, and classification, and how to preprocess images using data augmentation, transformations, and specialized datastores.
- Preprocess Volumes for Deep Learning
Read and preprocess volumetric image and label data for 3-D deep learning.
- Datastores for Deep Learning
Learn how to use datastores in deep learning applications.
- Deep Learning in MATLAB
Scoprire le capacità del Deep Learning in MATLAB utilizzando le reti neurali convoluzionali per la classificazione e la regressione, incluse le reti preaddestrate e il transfer learning, nonché l’addestramento su GPU, CPU, cluster e cloud.
- Deep Learning Tips and Tricks
Learn how to improve the accuracy of deep learning networks.
- Data Sets for Deep Learning
Discover data sets for various deep learning tasks.