딥러닝 데이터 전처리

딥러닝을 위해 영상 전처리하기

훈련, 예측 및 분류를 위해 영상의 크기를 조정하는 방법과 데이터 증대, 변환 및 특화된 데이터저장소를 사용하여 영상을 전처리하는 방법을 알아봅니다.

Preprocess Volumes for Deep Learning

Read and preprocess volumetric image and label data for 3-D deep learning.

Preprocess Data for Domain-Specific Deep Learning Applications

Perform deterministic or randomized data processing for domains such as image processing, object detection, semantic segmentation, signal and audio processing, and text analytics.

• Augment Images for Deep Learning Workflows Using Image Processing Toolbox
• Augment Pixel Labels for Semantic Segmentation
• Augment Bounding Boxes for Object Detection
• 딥러닝을 사용해 음성 명령 인식하기
• 딥러닝을 사용하여 텍스트 데이터 분류하기

실측 훈련 데이터에 레이블 지정

Label Pixels for Semantic Segmentation (Computer Vision Toolbox)

Label pixels for training a semantic segmentation network by using a labeling app.

Get Started with the Ground Truth Labeler (Automated Driving Toolbox)

Interactively label multiple lidar and video signals simultaneously.

Custom Labeling Functions (Signal Processing Toolbox)

Create and manage custom labeling functions.

Label Audio Using Audio Labeler (Audio Toolbox)

Interactively define and visualize ground-truth labels for audio datasets.

데이터저장소 사용자 지정

Datastores for Deep Learning

Learn how to use datastores in deep learning applications.

image-to-image 회귀를 위해 데이터저장소 준비하기

이 예제에서는 image-to-image 회귀 네트워크를 훈련시키기 위해 ImageDatastore의 transform 함수와 combine 함수를 사용하여 데이터저장소를 준비하는 방법을 보여줍니다.

메모리에 다 담을 수 없는 큰 시퀀스 데이터를 사용하여 네트워크 훈련시키기

이 예제에서는 데이터저장소를 변환하고 결합하여 메모리에 다 담을 수 없을 정도로 큰 시퀀스 데이터를 대상으로 딥러닝 신경망을 훈련시키는 방법을 보여줍니다.

Classify Text Data Using Convolutional Neural Network

This example shows how to classify text data using a convolutional neural network.

Classify Out-of-Memory Text Data Using Deep Learning

This example shows how to classify out-of-memory text data with a deep learning network using a transformed datastore.