Main Content

La traduction de cette page n'est pas à jour. Cliquez ici pour voir la dernière version en anglais.

Prétraitement des données

Gérer et prétraiter des images pour le Deep Learning

Le prétraitement des images pour s’assurer qu’elles sont dans un format acceptable par le réseau est une première étape courante des workflows de Deep Learning. Par exemple, vous pouvez redimensionner l’image en entrée pour correspondre à la taille de la couche d’entrée pour les images. Vous pouvez également prétraiter des données pour améliorer les caractéristiques souhaitées ou réduire les artefacts qui peuvent biaiser le réseau. Par exemple, vous pouvez normaliser ou supprimer le bruit des données d’entrée.

Vous pouvez prétraiter l'image en entrée avec des opérations comme le redimensionnement en utilisant des datastores et des fonctions disponibles dans MATLAB® et Deep Learning Toolbox™. D’autres toolboxes MATLAB proposent des fonctions, des datastores et des applications de labélisation, de traitement et d’augmentation de données de Deep Learning. Utilisez des outils spécialisés d’autres toolboxes MATLAB pour traiter des données dans des domaines comme le traitement d’images, la détection d’objets et la segmentation sémantique.

Applications

Image LabelerLabel images for computer vision applications
Video LabelerLabel video for computer vision applications
Ground Truth LabelerLabel ground truth data for automated driving applications

Fonctions

imageDatastoreDatastore for image data
augmentedImageDatastoreTransformer des batchs de données pour augmenter les images
imageDataAugmenterConfigure image data augmentation
augmentApply identical random transformations to multiple images
minibatchqueueCreate mini-batches for deep learning (depuis R2020b)

Rubriques

Exemples présentés