영상 처리를 위한 딥러닝

심층 신경망을 사용하여 영상 잡음 제거 및 영상 간 변환 등의 영상 처리 작업 수행(Deep Learning Toolbox™가 필요함)

딥러닝은 신경망을 사용하여 데이터에서 특징의 유용한 표현을 직접 학습합니다. 예를 들어, 사전 훈련된 신경망을 사용하여 영상에서 잡음과 같은 아티팩트를 식별하고 제거할 수 있습니다.

함수

`augmentedImageDatastore`	배치를 변환하여 영상 데이터 증대
`blockedImageDatastore`	Datastore for use with blocks from `blockedImage` objects
`denoisingImageDatastore`	Denoising image datastore
`imageDatastore`	이미지 데이터의 데이터저장소
`randomPatchExtractionDatastore`	Datastore for extracting random 2-D or 3-D random patches from images or pixel label images
`transform`	데이터저장소 변환
`combine`	여러 데이터저장소의 데이터 결합

`jitterColorHSV`	Randomly alter color of pixels
`randomWindow2d`	Randomly select rectangular region in image
`randomCropWindow3d`	Create randomized cuboidal cropping window
`centerCropWindow2d`	Create rectangular center cropping window
`centerCropWindow3d`	Create cuboidal center cropping window
`Rectangle`	Spatial extents of 2-D rectangular region
`Cuboid`	Spatial extents of 3-D cuboidal region
`randomAffine2d`	Create randomized 2-D affine transformation
`randomAffine3d`	Create randomized 3-D affine transformation
`affineOutputView`	영상에 워핑을 적용하기 위한 출력 보기 만들기
`imerase`	Remove image pixels within rectangular region of interest

`resize2dLayer`	2-D resize layer
`resize3dLayer`	3-D resize layer
`dlresize`	Resize spatial dimensions of `dlarray` object
`DepthToSpace2DLayer`	Depth to space layer
`SpaceToDepthLayer`	Space to depth layer
`depthToSpace`	Rearrange `dlarray` data from depth dimension into spatial blocks
`spaceToDepth`	Rearrange spatial blocks of `dlarray` data along depth dimension

`encoderDecoderNetwork`	Create encoder-decoder network
`blockedNetwork`	Create network with repeating block structure
`pretrainedEncoderNetwork`	Create encoder network from pretrained network
`cycleGANGenerator`	Create CycleGAN generator network for image-to-image translation
`patchGANDiscriminator`	Create PatchGAN discriminator network
`pix2pixHDGlobalGenerator`	Create pix2pixHD global generator network
`addPix2PixHDLocalEnhancer`	Add local enhancer network to pix2pixHD generator network
`unitGenerator`	Create unsupervised image-to-image translation (UNIT) generator network
`unitPredict`	Perform inference using unsupervised image-to-image translation (UNIT) network

`denoiseImage`	심층 신경망을 사용하여 영상 잡음 제거하기
`denoisingNetwork`	영상 잡음 제거 신경망 가져오기
`dnCNNLayers`	Get denoising convolutional neural network layers

Get Started with Image Preprocessing and Augmentation for Deep Learning

Preprocess data with deterministic operations such as normalization or color space conversion, or augment training data with randomized operations such as random cropping or color jitter.
Datastores for Deep Learning (Deep Learning Toolbox)
Learn how to use datastores in deep learning applications.
image-to-image 회귀를 위해 데이터저장소 준비하기 (Deep Learning Toolbox)
이 예제에서는 image-to-image 회귀 신경망을 훈련시키기 위해 ImageDatastore의 transform 함수와 combine 함수를 사용하여 데이터저장소를 준비하는 방법을 보여줍니다.
Augment Images for Deep Learning Workflows
This example shows how you can perform common kinds of randomized image augmentation such as geometric transformations, cropping, and adding noise.

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.
Create Modular Neural Networks
You can create and customize deep learning networks that follow a modular pattern with repeating groups of layers, such as U-Net and cycleGAN.
Get Started with GANs for Image-to-Image Translation
Transfer styles and characteristics from one set of images to the scene content of other images by using generative adversarial networks (GANs).
사전 훈련된 심층 신경망 (Deep Learning Toolbox)
분류, 전이 학습 및 특징 추출을 위해 사전 훈련된 컨벌루션 신경망을 다운로드하고 사용하는 방법을 알아봅니다.
딥러닝 계층 목록 (Deep Learning Toolbox)
MATLAB^®에서 제공하는 딥러닝 계층에 대해 알아봅니다.

MATLAB의 딥러닝 (Deep Learning Toolbox)
사전 훈련된 신경망 및 전이 학습, 그리고 GPU, CPU, 클러스터 및 클라우드에서의 훈련 등 분류 및 회귀에 컨벌루션 신경망을 사용하여 MATLAB의 딥러닝 기능을 알아봅니다.
딥러닝을 사용한 의미론적 분할 (Computer Vision Toolbox)
이 예제에서는 의미론적 분할 신경망을 사용하여 영상을 분할하는 방법을 보여줍니다.