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。

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。

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。

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

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

Generate high-quality high-dose computed tomography (CT) images from noisy low-dose CT images using a CycleGAN neural network.

Generate high-quality computed tomography (CT) images from noisy low-dose CT images using a UNIT neural network.

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

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。

Import a pretrained ONNX™ (Open Neural Network Exchange) 3-D U-Net [1] and use it to perform semantic segmentation of the left and right lungs from a 3-D chest CT scan. Semantic segmentation associates each voxel in a 3-D image with a class label. In this example, you classify each voxel in a test data set as belonging to the left lung or right lung. For more information about semantic segmentation, see セマンティック セグメンテーション (Computer Vision Toolbox).

Segment a brain MRI using a deep neural network.

Perform semantic segmentation of breast tumors from 2-D ultrasound images using a deep neural network.

この例では、3 次元医用画像から脳腫瘍のセマンティック セグメンテーションを実行する方法を説明します。

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。

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。

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。

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。

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。