googlenet
Сверточная нейронная сеть GoogLeNet
Описание
GoogLeNet является сверточной нейронной сетью, которая является 22 слоями глубоко. Можно загрузить предварительно обученную версию сети, обученной или на ImageNet [1] или на [2] [3]наборах данных Places365 . Сеть, обученная на ImageNet, классифицирует изображения в 1 000 категорий объектов, таких как клавиатура, мышь, карандаш и многие животные. Сеть, обученная на Places365, похожа на сеть, обученную на ImageNet, но классифицирует изображения в 365 различных категорий места, таких как поле, парк, взлетно-посадочная полоса и лобби. Эти сети изучили различные представления функции для широкого спектра изображений. Предварительно обученные сети оба имеют входной размер изображений 224 224. Для большего количества предварительно обученных сетей в MATLAB® смотрите Предварительно обученные Глубокие нейронные сети.
Чтобы классифицировать новое использование изображений GoogLeNet, использовать classify. Для примера смотрите, Классифицируют Изображение Используя GoogLeNet.
Можно переобучить сеть GoogLeNet, чтобы выполнить новую задачу с помощью передачи обучения. При использовании обучение с переносом наиболее распространенный подход должен использовать сети, предварительно обученные на наборе данных ImageNet. Если новая задача похожа на классификацию сцен, то использование сети, обученной на Местах 365, может дать более высокую точность. Для примера, показывающего, как переобучить GoogLeNet на новой задаче классификации, смотрите, Обучают Нейронную сеть для глубокого обучения Классифицировать Новые Изображения
net = googlenet
Эта функция требует Модели Deep Learning Toolbox™ для пакета Сетевой поддержки GoogLeNet. Если этот пакет поддержки не установлен, то функция обеспечивает ссылку на загрузку.
net = googlenet('Weights',weights)googlenet('Weights','imagenet') (значение по умолчанию) эквивалентно googlenet.
Сеть, обученная на ImageNet, требует Модели Deep Learning Toolbox для пакета Сетевой поддержки GoogLeNet. Сеть, обученная на Places365, требует Модели Deep Learning Toolbox для пакета Сетевой поддержки Places365-GoogLeNet. Если необходимый пакет поддержки не установлен, то функция обеспечивает ссылку на загрузку.
lgraph = googlenet('Weights','none')
Примеры
Загрузите пакет поддержки GoogLeNet
Загрузите и установите Модель Deep Learning Toolbox для пакета Сетевой поддержки GoogLeNet.
Ввод googlenet в командной строке.
googlenet
Если Модель Deep Learning Toolbox для пакета Сетевой поддержки GoogLeNet не установлена, то функция обеспечивает ссылку на необходимый пакет поддержки в Add-On Explorer. Чтобы установить пакет поддержки, щелкните по ссылке, и затем нажмите Install. Проверяйте, что установка успешна путем ввода googlenet в командной строке. Если необходимый пакет поддержки установлен, то функция возвращает DAGNetwork объект.
googlenet
ans =
DAGNetwork with properties:
Layers: [144×1 nnet.cnn.layer.Layer]
Connections: [170×2 table]Визуализируйте сеть с помощью Deep Network Designer.
deepNetworkDesigner(googlenet)
Исследуйте другие предварительно обученные сети в Deep Network Designer путем нажатия на New.
Если необходимо загрузить сеть, то нажмите Install, чтобы открыть Add-On Explorer.
Входные параметры
Выходные аргументы
Ссылки
[1] ImageNet. http://www.image-net.org
[2] Чжоу, Bolei, Aditya Khosla, Агата Лапедриса, Антонио Торрэлба и Од Олива. "Места: база данных изображений для глубокого понимания сцены". arXiv предварительно распечатывают arXiv:1610.02055 (2016).
[3] Места. http://places2. csail.mit.edu /
[4] Szegedy, христианин, Вэй Лю, Янцин Цзя, Пьер Сермане, Скотт Рид, Драгомир Ангуелов, Dumitru Erhan, Винсент Вэнхук и Эндрю Рэбинович. "Идя глубже со свертками". В Продолжениях конференции по IEEE по компьютерному зрению и распознаванию образов, стр 1-9. 2015.
[5] Модель BVLC GoogLeNet. https://github.com/BVLC/caffe/tree/master/models/bvlc_googlenet
Расширенные возможности
Смотрите также
DAGNetwork | Deep Network Designer | densenet201 | inceptionresnetv2 | inceptionv3 | layerGraph | plot | resnet101 | resnet18 | resnet50 | squeezenet | trainNetwork | vgg16 | vgg19