このページの翻訳は最新ではありません。ここをクリックして、英語の最新版を参照してください。
イメージ用のデータ前処理
データの前処理は、ネットワークで受け入れられる形式で生データを準備する、深層学習ワークフローに共通する最初の手順です。たとえば、イメージ入力層のサイズに一致するようにイメージ入力のサイズを変更できます。データの前処理を行って、必要な特徴を強調したり、ネットワークにバイアスを生じさせる可能性があるアーティファクトを低減することもできます。たとえば、入力データを正規化したり、入力データからノイズを削除できます。
イメージ入力の前処理は、MATLAB® および Deep Learning Toolbox™ で提供されるデータストアと関数を使用したサイズ変更などの操作によって行うことができます。その他の MATLAB ツールボックスには、深層学習データのラベル付け、処理、拡張のための関数、データストア、およびアプリが用意されています。その他の MATLAB ツールボックスの専用ツールを使用して、イメージ処理、オブジェクト検出、セマンティック セグメンテーションなどの領域向けにデータを処理します。
アプリ
イメージ ラベラー | コンピューター ビジョン アプリケーションに使用するイメージのラベル付け |
ビデオ ラベラー | Label video for computer vision applications |
グラウンド トゥルース ラベラー | 自動運転アプリケーション用にグラウンド トゥルース データをラベル付け |
関数
augmentedImageDatastore | バッチの変換によるイメージ データの拡張 |
imageDataAugmenter | イメージ データ拡張の構成 |
augment | 複数のイメージに対する同一のランダム変換の適用 |
トピック
- イメージの深層学習向け前処理
学習、予測、および分類用にイメージのサイズを変更する方法と、データ拡張、変換、および専用のデータストアを使用してイメージを前処理する方法を学びます。
- ボリュームの深層学習向け前処理
ボリューム イメージとラベル データを読み取り、3 次元深層学習向けに前処理します。
- 深層学習用のデータストア
深層学習アプリケーションでデータストアを使用する方法を学びます。
- ディープ ネットワーク デザイナーへのデータのインポート
ディープ ネットワーク デザイナーでデータをインポートして可視化する。
- MATLAB による深層学習
畳み込みニューラル ネットワークを使用して分類や回帰を行う MATLAB の深層学習機能を確認します。これには、事前学習済みのネットワークと転移学習のほか、GPU、CPU、クラスター、およびクラウドでの学習が含まれます。
- 深層学習のヒントとコツ
深層学習ネットワークの精度を改善する方法を学習します。
- 深層学習用のデータセット
さまざまな深層学習タスク用のデータセットを確認。