Сверточная нейронная сеть MobileNet-v2

MobileNet-v2 является сверточной нейронной сетью, глубина которой составляет 53 слоя. Можно загрузить предварительно обученную версию сети, обученной больше чем на миллионе изображений от базы данных ImageNet [1]. Предварительно обученная 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 классифицировать новые изображения с помощью модели MobileNet-v2. Выполните шаги, Классифицируют Изображение Используя GoogLeNet и заменяют GoogLeNet на MobileNet-v2.
Чтобы переобучить сеть на новой задаче классификации, выполните шаги, Обучают Нейронную сеть для глубокого обучения Классифицировать Новые Изображения и загружать MobileNet-v2 вместо GoogLeNet.
возвращает сеть MobileNet-v2, обученную на наборе данных ImageNet.net = mobilenetv2
Эта функция требует Модели Deep Learning Toolbox™ для пакета Сетевой поддержки MobileNet-v2. Если этот пакет поддержки не установлен, то функция обеспечивает ссылку на загрузку.
возвращает сеть MobileNet-v2, обученную на наборе данных ImageNet. Этот синтаксис эквивалентен net = mobilenetv2('Weights','imagenet')net = mobilenetv2.
возвращает нетренированную сетевую архитектуру MobileNet-v2. Нетренированная модель не требует пакета поддержки. lgraph = mobilenetv2('Weights','none')
[1] ImageNet. http://www.image-net.org
[2] Сэндлер, M., Говард, A., Чжу, M., Жмогинов, А. и Чен, L.C. "MobileNetV2: Инвертированные Остаточные значения и Линейные Узкие места". На 2018 Конференциях IEEE/CVF по Компьютерному зрению и Распознаванию образов (стр 4510-4520). IEEE.
DAGNetwork | Deep Network Designer | densenet201 | googlenet | inceptionresnetv2 | layerGraph | plot | resnet101 | resnet50 | squeezenet | trainNetwork | vgg16 | vgg19