La traducción de esta página aún no se ha actualizado a la versión más reciente. Haga clic aquí para ver la última versión en inglés.

Preprocesamiento de datos

Administre y preprocese datos de imágenes para deep learning

En los flujos de trabajo de deep learning, un primer paso habitual es preprocesar los datos de imágenes para asegurarse de que estén en un formato que la red pueda aceptar. Por ejemplo, puede cambiar el tamaño de la entrada de imagen para que coincida con el tamaño de una capa de entrada de imagen. También puede preprocesar datos para reforzar las características deseadas o reducir artefactos que pueden sesgar la red. Por ejemplo, puede normalizar o eliminar ruido de los datos de entrada.

Puede preprocesar una entrada de imagen mediante operaciones como el cambio de tamaño con almacenes de datos y las funciones disponibles en MATLAB^® y Deep Learning Toolbox™. Otras toolboxes de MATLAB ofrecen funciones, almacenes de datos y apps para etiquetar, procesar y aumentar datos de deep learning. Utilice herramientas especializadas de otras toolboxes de MATLAB para procesar datos para dominios como el procesamiento de imágenes, la detección de objetos y la segmentación semántica.

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

Funciones

`imageDatastore`	Datastore for image data
`augmentedImageDatastore`	Transformar lotes para aumentar datos de imágenes
`imageDataAugmenter`	Configure image data augmentation
`augment`	Apply identical random transformations to multiple images
`minibatchqueue`	Create mini-batches for deep learning (desde R2020b)

Temas

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.
Import Data into Deep Network Designer
Import and visualize data in Deep Network Designer.
Deep learning en MATLAB
Descubra las prestaciones de deep learning en MATLAB utilizando redes neuronales convolucionales para clasificación y regresión, incluidas redes preentrenadas y transferencia del aprendizaje, así como entrenamiento en unidades de procesamiento gráfico (GPU), unidades CPU, clusters y nubes.
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.

Ejemplos destacados

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.

Abrir script en vivo

Augment Images for Deep Learning Workflows

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

Abrir script en vivo

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.

Abrir script en vivo