この例では很深的超分辨率(VDSR)ニューラルネットワークに学習させる方法,VDSRネットワークを使用し,単一の低解像度イメージから高解像度イメージを推定する方法を示します。

この例では,ノイズ除去畳み込みニューラルネットワーク(DnCNN)を学習させて,このネットワークを使用してイメージのJPEG圧縮アーティファクトを低減する方法を説明します。

この例では,マルチスケールコンテキスト集約ネットワーク(可以)を使用してイメージフィルター処理を近似する方法を説明します。

この例では,U-Netを使用して,カメラの生データを見た目の良いカラーイメージに変換する方法を説明します。

この例では,Inception-v3深層ニューラルネットワークに学習させて,メモリに収まらない多重解像度のスライドガラス標本全体のイメージ(WSI)を分類する方法を説明します。

この例では7チャネル(3つのカラーチャネル,3つの近赤外チャネルおよびマスク)のマルチスペクトルイメージのセマンティックセグメンテーションを実行する,U-Net畳み込みニューラルネットワークを学習させる方法を示します。

この例では3次元U-Netニューラルネットワークに学習させて,3次元医用画像から脳腫瘍のセマンティックセグメンテーションを実行する方法を説明します。この例では3次元U-Netネットワークに学習させる方法を示し,さらに事前学習済みのネットワークも示します。3次元セマンティックセグメンテーションには,以3.0计算能力上のCUDA対応NVIDIA GPU™を使用することを強く推奨します(并行计算工具箱™が必要)。

この例では,RGBイメージからガウスノイズを除去する方法を説明します。イメージを個別のカラーチャネルに分割し,事前学習済みのノイズ除去ニューラルネットワークDnCNNを使用して各チャネルのノイズを除去します。

この例では,事前学習済みのVGG-19ネットワークを使用して,あるイメージのスタイル外観を別のイメージのシーンコンテンツに適用する方法を説明します[1]。この例では,ファン・ゴッホの有名な絵画“星月夜”をスタイルイメージとして使用し,灯台の写真をコンテンツイメージとして使用します。

この例では,あるイメージのスタイルを転送して第2のイメージにするネットワークの学習方法を示します。これは,[1]で定義されるアーキテクチャに基づいています。