La traduzione di questa pagina non è aggiornata. Fai clic qui per vedere l'ultima versione in inglese.

Pre-elaborazione dei dati per le immagini

Gestire e pre-elaborare i dati per il Deep Learning

La pre-elaborazione dei dati è un primo passo comune nel workflow di Deep Learning per preparare i dati grezzi in un formato che possa essere accettato dalla rete. 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

`augmentedImageDatastore`	Transform batches to augment image data
`imageDataAugmenter`	Configure image data augmentation
`augment`	Apply identical random transformations to multiple images

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.
Import Data into Deep Network Designer
Import and visualize data in Deep Network Designer.
Deep Learning in MATLAB
Discover deep learning capabilities in MATLAB using convolutional neural networks for classification and regression, including pretrained networks and transfer learning, and training on GPUs, CPUs, clusters, and clouds.
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.

Esempi in primo piano

Prepare Datastore for Image-to-Image Regression

Prepare a datastore for training an image-to-image regression network using the transform and combine functions of ImageDatastore.

Apri live script

Augment Images for Deep Learning Workflows

Perform common kinds of randomized image augmentation such as geometric transformations, cropping, and adding noise.

Apri live script

Create and Explore Datastore for Image Classification

Create, read, and augment an image datastore for use in training a deep learning network. In particular, this example shows how to create an ImageDatastore object from a collection of images, read and extract the properties of the datastore, and create an augmentedImageDatastore for use during training.

Apri live script