영상 처리
Deep Learning Toolbox™를 Image Processing Toolbox™와 함께 사용하여 영상 처리 응용 분야에 딥러닝을 적용합니다.
함수
randomPatchExtractionDatastore | Datastore for extracting random 2-D or 3-D random patches from images or pixel label images |
blockedImageDatastore | blockedImage 객체의 블록에 사용할 데이터저장소 |
도움말 항목
- 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.
- 딥러닝을 위해 영상 전처리하기
훈련, 예측 및 분류를 위해 영상의 크기를 조정하는 방법과 데이터 증강, 변환 및 특화된 데이터저장소를 사용하여 영상을 전처리하는 방법을 알아봅니다.
- Augment Images for Deep Learning (Image Processing Toolbox)
Perform common kinds of randomized image augmentation such as image warping and cropping, color adjustments, and adding synthetic distortions.
- Preprocess Volumes for Deep Learning (Image Processing Toolbox)
Read and preprocess volumetric image and label data for 3-D deep learning.
- Preprocess Multiresolution Images for Training Classification Network (Image Processing Toolbox)
This example shows how to prepare datastores that read and preprocess multiresolution whole slide images (WSIs) that might not fit in memory.
- Get Started with GANs for Image-to-Image Translation (Image Processing Toolbox)
Transfer styles and characteristics from one set of images to the scene content of other images by using generative adversarial networks (GANs).
추천 예제
Segment Objects Using Segment Anything Model (SAM) in Image Segmenter
Interactively segment objects or automatically segment the entire image using the Segment Anything Model (SAM) in the Image Segmenter app.
딥러닝을 사용하여 영상 해상도 높이기
이 예제에서는 VDSR(Very-Deep Super-Resolution) 신경망을 사용하여 하나의 저해상도 영상에서 고해상도 영상을 만드는 방법을 보여줍니다.
Image Processing Operator Approximation Using Deep Learning
Approximate an image filtering operation using a multiscale context aggregation network (CAN).
Develop Camera Processing Pipeline Using Deep Learning
Convert RAW camera data to an aesthetically pleasing color image using a U-Net.
Brighten Extremely Dark Images Using Deep Learning
Recover brightened RGB images from RAW camera data collected in extreme low-light conditions using a U-Net.
Unsupervised Day-to-Dusk Image Translation Using UNIT
Translate images between daytime and dusk lighting conditions using an unsupervised image-to-image translation network (UNIT).
Quantify Image Quality Using Neural Image Assessment
Analyze the aesthetic quality of images using a Neural Image Assessment (NIMA) convolutional neural network (CNN).
JPEG Image Deblocking Using Deep Learning
Reduce JPEG compression artifacts in an image using a denoising convolutional neural network (DnCNN).
딥러닝을 사용한 3차원 뇌종양 분할
이 예제에서는 3차원 의료 영상에서 뇌종양의 의미론적 분할을 수행하는 방법을 다룹니다.
Classify Tumors in Multiresolution Blocked Images
Classify multiresolution whole slide images (WSIs) that might not fit in memory using an Inception-v3 deep neural network.
딥러닝을 사용한 다중분광 영상의 의미론적 분할
이 예제에서는 U-Net을 사용하여 7가지 채널을 갖는 다중분광 영상에 대한 의미론적 분할을 수행하는 방법을 보여줍니다.
딥러닝을 사용한 신경망 스타일 전이
이 예제에서는 사전 훈련된 VGG-19 신경망을 사용하여 한 영상의 스타일을 두 번째 영상의 장면 콘텐츠에 적용하는 방법을 보여줍니다.
Train Fast Style Transfer Network
Train a network to transfer the style of an image to a second image. It is based on the architecture defined in [1].
Ship Detection from Sentinel-1 C Band SAR Data Using YOLOX Object Detection
Detect ships from Sentinel-1 C Band SAR Data using YOLOX object detection.
