Esta página aún no se ha traducido para esta versión. Puede ver la versión más reciente de esta página en inglés.
El aprendizaje profundo utiliza redes neuronales para aprender representaciones útiles de características directamente a partir de datos. Por ejemplo, puede usar una red neuronal previamente entrenada para identificar y eliminar artefactos como el ruido de las imágenes.
Datastores for Deep Learning (Deep Learning Toolbox)
Learn how to use datastores in deep learning applications.
Preprocess Images for Deep Learning (Deep Learning Toolbox)
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 (Deep Learning Toolbox)
Read and preprocess volumetric image and label data for 3-D deep learning.
Entrenar y aplicar redes neuronales de denoising
Utilice una red neuronal entrenada previamente para eliminar el ruido gaussiano de una imagen en escala de grises o entrene su propia red utilizando capas predefinidas.
Eliminar el ruido de la imagen de color utilizando la red neuronal preentrenada
En este ejemplo se muestra cómo eliminar el ruido gaussiano de una imagen RGB mediante una red neuronal de denoising previamente en cada canal de color de forma independiente.
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.