Esta página aún no se ha traducido para esta versión. Puede ver la versión más reciente de esta página en inglés.
Aprendizaje profundo para el procesamiento de imágenes
El aprendizaje profundo utiliza redes neuronales para aprender representaciones útiles de características directamente de los datos. Por ejemplo, puede utilizar una red neural preentrenada para identificar y eliminar el ruido de Gauss de las imágenes.
Funciones
denoiseImage | Imagen de desruido usando la red neural profunda |
denoisingNetwork | Get Image eliminación Network |
denoisingImageDatastore | Almacén de eliminación de imágenes |
dnCNNLayers | Get eliminación capas de red neural de circunvolución |
Temas
Eliminación usando el aprendizaje profundo
Train and Apply Denoising Neural Networks
Use a pretrained neural network to remove Gaussian noise from a grayscale image, or train your own network using predefined layers.
Remove Noise from Color Image Using Pretrained Neural Network
This example shows how to remove Gaussian noise from an RGB image by using a pretrained denoising neural network on each color channel independently.
Aplicaciones de aprendizaje profundo en MATLAB
Deep Learning in MATLAB (Deep Learning Toolbox)
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.
Pretrained Deep Neural Networks (Deep Learning Toolbox)
Learn how to download and use pretrained convolutional neural networks for classification, transfer learning and feature extraction.
Semantic Segmentation Using Deep Learning (Computer Vision Toolbox)
This example shows how to train a semantic segmentation network using deep learning.
Object Detection Using Deep Learning (Computer Vision Toolbox)
This example shows how to train an object detector using deep learning and R-CNN (Regions with Convolutional Neural Networks).
