Main Content

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

Pre-elaborazione dei dati per le reti neurali profonde

Gestire e pre-elaborare i dati per il Deep Learning

La pre-elaborazione dei dati 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 strumenti specializzati di altri toolbox MATLAB per elaborare i dati per domini quali l'elaborazione delle immagini, il rilevamento di oggetti, la segmentazione semantica, l'elaborazione dei segnali, l'elaborazione dell'audio e l'analisi dei testi.

App

Image LabelerLabel images for computer vision applications
Video LabelerLabel video for computer vision applications
Ground Truth LabelerLabel ground truth data for automated driving applications
Lidar LabelerLabel ground truth data in lidar point clouds (Da R2020b)
Signal LabelerLabel signal attributes, regions, and points of interest, and extract features

Funzioni

imageDatastoreDatastore for image data
augmentedImageDatastoreTrasformare i batch per aumentare i dati dell’immagine
imageDataAugmenterConfigure image data augmentation
augmentApply identical random transformations to multiple images
minibatchqueueCreate mini-batches for deep learning (Da R2020b)

Argomenti

Pre-elaborazione dei dati di Deep Learning

Personalizzazione dei datastore

Etichettatura dei dati di addestramento della verità di base

Esempi in primo piano