ヘルプセンターヘルプセンター

このページの内容は最新ではありません。最新版の英語を参照するには、ここをクリックします。

イメージ処理

イメージ処理アプリケーションにおける深層学習のワークフローの拡張

Deep Learning Toolbox™ を Image Processing Toolbox™ と共に使用して、イメージ処理アプリケーションに深層学習を適用します。

関数

`augmentedImageDatastore`	バッチの変換によるイメージデータの拡張
`randomPatchExtractionDatastore`	イメージまたはピクセルラベルイメージから 2 次元または 3 次元のランダムパッチを抽出するためのデータストア
`blockedImageDatastore`	Datastore for use with blocks from `blockedImage` objects (R2021a 以降)

トピック

領域固有の深層学習用途のためのデータの前処理
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、信号およびオーディオ処理、テキスト分析など、領域に対する確定的またはランダム化されたデータ処理を実行します。
深層学習ワークフローのためのイメージの拡張
この例では、一般的な種類のランダムなイメージ拡張 (幾何学的変換、トリミング、ノイズの追加など) をどのように実行できるかを示します。
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。
Preprocess Multiresolution Images for Training Classification Network (Image Processing Toolbox)
This example shows how to prepare datastores that read and preprocess multiresolution whole slide images (WSIs) that might not fit in memory.
Get Started with GANs for Image-to-Image Translation (Image Processing Toolbox)
Transfer styles and characteristics from one set of images to the scene content of other images by using generative adversarial networks (GANs).

注目の例

深層学習を使用したイメージの高解像度化

深層学習を使用したイメージの高解像度化

この例では、Very-Deep Super-Resolution (VDSR) ニューラルネットワークを使用して低解像度イメージから高解像度イメージを作成する方法を説明します。

ライブスクリプトを開く

深層学習を使用したイメージ処理演算子の近似

深層学習を使用したイメージ処理演算子の近似

この例では、マルチスケールコンテキスト集約ネットワーク (CAN) を使用してイメージフィルター処理を近似する方法を説明します。

ライブスクリプトを開く

深層学習を使用したカメラのデータ処理パイプラインの構築

深層学習を使用したカメラのデータ処理パイプラインの構築

この例では、U-Net を使用して、カメラの RAW データを見た目の良いカラーイメージに変換する方法を説明します。

ライブスクリプトを開く

Brighten Extremely Dark Images Using Deep Learning

Brighten Extremely Dark Images Using Deep Learning

Recover brightened RGB images from RAW camera data collected in extreme low-light conditions using a U-Net.

ライブスクリプトを開く

Unsupervised Day-to-Dusk Image Translation Using UNIT

Unsupervised Day-to-Dusk Image Translation Using UNIT

Translate images between daytime and dusk lighting conditions using an unsupervised image-to-image translation network (UNIT).

ライブスクリプトを開く

Quantify Image Quality Using Neural Image Assessment

Quantify Image Quality Using Neural Image Assessment

Analyze the aesthetic quality of images using a Neural Image Assessment (NIMA) convolutional neural network (CNN).

ライブスクリプトを開く

多重解像度のブロック化されたイメージ内の腫瘍の分類

多重解像度のブロック化されたイメージ内の腫瘍の分類

この例では、Inception-v3 深層ニューラルネットワークを使用して、メモリに収まらない可能性のある多重解像度のスライドガラス標本全体のイメージ (WSI) を分類する方法を説明します。

ライブスクリプトを開く

深層学習を使用したマルチスペクトルイメージのセマンティックセグメンテーション

深層学習を使用したマルチスペクトルイメージのセマンティックセグメンテーション

この例では、U-Net を使用して 7 チャネルのマルチスペクトルイメージのセマンティックセグメンテーションを実行する方法を示します。

ライブスクリプトを開く

深層学習を使用した JPEG イメージのデブロック

深層学習を使用した JPEG イメージのデブロック

この例では、ノイズ除去畳み込みニューラルネットワーク (DnCNN) を使用してイメージの JPEG 圧縮アーティファクトを低減する方法を説明します。

ライブスクリプトを開く

事前学習済みのニューラルネットワークを使用した、カラーイメージからのノイズ除去

事前学習済みのニューラルネットワークを使用した、カラーイメージからのノイズ除去

この例では、ノイズ除去畳み込みニューラルネットワークを使用して RGB イメージからガウスノイズを除去する方法を示します。

ライブスクリプトを開く

深層学習を使用したニューラルスタイル転送

深層学習を使用したニューラルスタイル転送

この例では、事前学習済みの VGG-19 ネットワークを使用して、あるイメージのスタイル外観を別のイメージのシーンコンテンツに適用する方法を説明します。

ライブスクリプトを開く

高速スタイル転送ネットワークの学習

高速スタイル転送ネットワークの学習

この例では、あるイメージのスタイルを転送して第 2 のイメージにするネットワークの学習方法を示します。これは、[1] で定義されるアーキテクチャに基づいています。

ライブスクリプトを開く

Ship Detection from Sentinel-1 C Band SAR Data Using YOLOX Object Detection

Ship Detection from Sentinel-1 C Band SAR Data Using YOLOX Object Detection

Detect ships from Sentinel-1 C Band SAR Data using YOLOX object detection.

ライブスクリプトを開く