randomPatchExtractionDatastore
用于从图像或像素标签图像中提取随机2-D或3-D随机补丁的数据存储
描述
一个randomPatchExtractionDatastore
从两个基于图像的数据存储中提取相应的随机定位补丁。例如,输入数据存储可以是两个图像数据存储,其中包含用于训练图像到图像回归网络的网络输入和所需的网络响应,或者用于训练语义分割网络的地面真实图像和像素标签数据。
此对象要求您拥有深度学习工具箱™。
请注意
当你使用randomPatchExtractionDatastore
作为训练数据的来源,该数据存储从每个epoch的每张图像中提取多个随机补丁,以便每个epoch使用稍微不同的数据集。每个时代的训练补丁的实际数量是训练图像的数量乘以PatchesPerImage
.映像补丁不存储在内存中。
创建
语法
描述
patchds = randomPatchExtractionDatastore (
使用名称-值对设置ds1的
,ds2
,PatchSize
,名称,值
)PatchesPerImage
,DataAugmentation
,DispatchInBackground
属性。可以指定多个名称-值对。将每个属性名用引号括起来。
例如,randomPatchExtractionDatastore (imds1 imds2 50 PatchesPerImage, 40)
创建一个数据存储,该数据存储从图像数据存储中的每个图像随机生成40个大小为50 × 50像素的补丁imds1
而且imds2
.
输入参数
属性
对象的功能
结合 |
合并来自多个数据存储的数据 |
hasdata |
确定是否有数据可读 |
numpartitions |
数据存储分区数 |
分区 |
分区数据存储 |
partitionByIndex |
分区randomPatchExtractionDatastore 根据指数 |
预览 |
预览数据存储中的数据子集 |
读 |
读取的数据randomPatchExtractionDatastore |
readall |
读取数据存储中的所有数据 |
readByIndex |
从中读取索引指定的数据randomPatchExtractionDatastore |
重置 |
将数据存储重置为初始状态 |
洗牌 |
打乱数据存储中的数据 |
变换 |
变换数据存储 |
isPartitionable |
确定数据存储是否可分区 |
isShuffleable |
确定数据存储是否可洗牌 |
例子
提示
的
randomPatchExtractionDatastore
的输出读
对输入数据存储的操作返回相同大小的数组。如果输入数据存储是
ImageDatastore
,则其中的值标签
属性会被忽略randomPatchExtractionDatastore
.将二维数据可视化
randomPatchExtractionDatastore
,你可以使用预览
函数,该函数返回表中数据的子集。控件在同一图中显示所有补丁蒙太奇
函数。例如,此代码显示图像补丁的预览randomPatchExtractionDatastore
被称为patchds
.minibatch =预览(patchds);蒙太奇(minibatch.InputImage)
版本历史
介绍了R2018b
另请参阅
augmentedImageDatastore
(深度学习工具箱)|pixelLabelDatastore
(计算机视觉工具箱)|imageDatastore
|pixelLabelImageDatastore
(计算机视觉工具箱)|trainNetwork
(深度学习工具箱)|imageDataAugmenter
(深度学习工具箱)|TransformedDatastore
主题
- 使用深度学习提高图像分辨率
- 使用深度学习的JPEG图像去块
- 基于深度学习的图像处理算子逼近
- 基于深度学习的多光谱图像语义分割
- 用于深度学习的数据存储(深度学习工具箱)
- 用于深度学习的图像预处理(深度学习工具箱)
- MATLAB中的深度学习(深度学习工具箱)