Exponenta Banner

nasnetlarge

Предварительно обученная NASNet-большая сверточная нейронная сеть

свернуть все на странице

NASNet-большой сверточная нейронная сеть, которая обучена больше чем на миллионе изображений от базы данных ImageNet [1]. Сеть может классифицировать изображения в 1 000 категорий объектов, таких как клавиатура, мышь, карандаш и многие животные. В результате сеть изучила богатые представления функции для широкого спектра изображений. Сеть имеет входной размер изображений 331 331. Для большего количества предварительно обученных сетей в MATLAB® смотрите Предварительно обученные Глубокие нейронные сети.

Можно использовать classify, чтобы классифицировать новые изображения с помощью NASNet-большой-модели. Выполните шаги, Классифицируют Изображение Используя GoogLeNet и заменяют GoogLeNet на NASNet-большой.

Чтобы переобучить сеть на новой задаче классификации, выполните шаги Нейронной сети для глубокого обучения Train, чтобы Классифицировать Новые Изображения и загрузку, NASNet-большую вместо GoogLeNet.

NASNet-большой требует Computer Vision Toolbox™.

Синтаксис

net = nasnetlarge

Описание

пример

net = nasnetlarge возвращает предварительно обученную NASNet-большую сверточную нейронную сеть.

Эта функция требует Модели Deep Learning Toolbox™ для NASNet-большого пакета Сетевой поддержки.

Примеры

свернуть все

Загрузите и установите Модель Deep Learning Toolbox для NASNet-большого пакета Сетевой поддержки.

Откройте Add-On Explorer в MATLAB и ищите NASNet-большой. Выберите Модель Deep Learning Toolbox для NASNet-большого пакета Сетевой поддержки. Загрузите и установите пакет поддержки путем нажатия на Install. Можно также загрузить сеть с Команды MathWorks Deep Learning Toolbox.

Проверяйте, что установка успешна путем ввода nasnetlarge в командной строке. Если необходимый пакет поддержки установлен, то функция возвращает объект DAGNetwork.

nasnetlarge
ans = 

  DAGNetwork with properties:

         Layers: [1244×1 nnet.cnn.layer.Layer]
    Connections: [1463×2 table]

Можно использовать передачу, учащуюся переобучать сеть, чтобы классифицировать новый набор изображений.

Откройте Нейронную сеть для глубокого обучения Train в качестве примера, чтобы Классифицировать Новые Изображения. Исходный пример использует предварительно обученную сеть GoogLeNet. Чтобы использовать обучение с переносом с помощью различной сети, загрузите желаемую предварительно обученную сеть и выполните шаги в примере.

Загрузите сеть NASNet-Large вместо GoogLeNet. 

net = nasnetlarge

Выполните остающиеся шаги в примере, чтобы переобучить вашу сеть. Необходимо заменить последний learnable слой и слой классификации в сети с новыми слоями для обучения. Пример показывает вам, как найти который слои заменить.

Выходные аргументы

свернуть все

Предварительно обученная NASNet-большая сверточная нейронная сеть, возвращенная как объект DAGNetwork.

Ссылки

[1] ImageNet. http://www.image-net.org

[2] Zoph, Берет, Виджай Вэзудевэн, Джонатон Шленс и Кок В. Ле. "Изучая Передаваемую Архитектуру для Масштабируемого Распознавания Изображений". arXiv предварительно распечатывают arXiv:1707.07012 2, № 6 (2017).

Смотрите также

| | | | | | | | | | | | |

Темы

Введенный в R2019a

Документация Deep Learning Toolbox
Поддержка