Exponenta Banner
exponenta event banner

shufflenet

Предварительно обученный ShuffleNet сверточная нейронная сеть

свернуть все на странице

ShuffleNet является сверточной нейронной сетью, 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 224 224. Для большего количества предварительно обученных сетей в MATLAB® смотрите Предварительно обученные Глубокие нейронные сети.

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

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

Синтаксис

net = shufflenet

Описание

пример

net = shufflenet возвращает предварительно обученный ShuffleNet сверточная нейронная сеть.

Эта функция требует Модели Deep Learning Toolbox™ для пакета Сетевой поддержки ShuffleNet.

Примеры

свернуть все

Загрузите и установите Модель Deep Learning Toolbox для пакета Сетевой поддержки ShuffleNet.

Откройте Add-On Explorer в MATLAB и ищите ShuffleNet. Выберите Модель Deep Learning Toolbox для пакета Сетевой поддержки ShuffleNet. 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 shufflenet в командной строке. Если необходимый пакет поддержки установлен, то функция возвращает объект DAGNetwork.

shufflenet
ans = 

  DAGNetwork with properties:

         Layers: [173×1 nnet.cnn.layer.Layer]
    Connections: [188×2 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 ShuffleNet вместо GoogLeNet. 

net = shufflenet

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 обученный ShuffleNet сверточная нейронная сеть, возвращенная как объект DAGNetwork.

Ссылки

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

[2] Чжан, Xiangyu, Синьюй Чжоу, Мэнсяо Линь и Цзянь Сунь. "ShuffleNet: Чрезвычайно Эффективная Сверточная Нейронная сеть для Мобильных устройств". arXiv предварительно распечатывают arXiv: 1707.01083v2 (2017).

Смотрите также

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

Темы

Введенный в R2019a

Документация Deep Learning Toolbox
Поддержка