Vorverarbeitung von Daten

Verwalten und Vorverarbeiten von Bilddaten für Deep Learning

Das Vorverarbeiten von Bilddaten zur Sicherstellung, dass sie in einem für das Netz akzeptablen Format vorliegen, ist ein üblicher erster Schritt in Deep-Learning-Workflows. So können Sie beispielsweise die Größe der Bildeingabe an die Größe einer Bildeingangsschicht anpassen. Sie können Daten auch vorverarbeiten, um gewünschte Merkmale zu verbessern oder Artefakte zu reduzieren, die das Netz verfälschen können. So können Sie beispielsweise Eingangsdaten normalisieren oder Rauschen entfernen.

Sie können die Bildeingabe mit Operationen wie der Größenänderung vorverarbeiten, indem Sie Datastores und Funktionen verwenden, die in MATLAB^® und Deep Learning Toolbox™ verfügbar sind. Andere MATLAB-Toolbox-Produkte bieten Funktionen, Datastores und Anwendungen für die Kennzeichnung, Verarbeitung und Erweiterung von Deep-Learning-Daten. Verwenden Sie spezialisierte Werkzeuge aus anderen MATLAB-Toolbox-Produkten, um Daten für Bereiche wie Bildverarbeitung, Objekterkennung und semantische Segmentierung zu verarbeiten.

Apps

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

Funktionen

`imageDatastore`	Datastore for image data
`augmentedImageDatastore`	Transformieren von Stapeln zur Bilddatenerweiterung
`imageDataAugmenter`	Configure image data augmentation
`augment`	Apply identical random transformations to multiple images
`minibatchqueue`	Create mini-batches for deep learning (Seit R2020b)

Themen

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
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.

Enthaltene Beispiele

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.

Live Script öffnen

Augment Images for Deep Learning Workflows

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

Live Script öffnen

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.

Live Script öffnen