Сверточная нейронная сеть Pretrained ShuffleNet
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 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, Обучают Нейронную сеть для глубокого обучения Классифицировать Новые Изображения и загружать ShuffleNet вместо GoogLeNet.
Загрузите и установите Модель Deep Learning Toolbox для пакета Сетевой поддержки ShuffleNet.
Введите shufflenet в командной строке.
shufflenet
Если Модель Deep Learning Toolbox для пакета Сетевой поддержки ShuffleNet 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 shufflenet в командной строке. Если необходимый пакет поддержки установлен, то функция возвращает DAGNetwork объект.
shufflenet
ans =
DAGNetwork with properties:
Layers: [173×1 nnet.cnn.layer.Layer]
Connections: [188×2 table]Визуализируйте сеть с помощью Deep Network Designer.
deepNetworkDesigner(shufflenet)
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.
Можно использовать передачу обучения, чтобы переобучить сеть, чтобы классифицировать новый набор изображений.
Откройтесь пример Обучают Нейронную сеть для глубокого обучения 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.
[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).
DAGNetwork | Deep Network Designer | densenet201 | googlenet | inceptionresnetv2 | layerGraph | nasnetlarge | nasnetmobile | plot | resnet101 | resnet50 | squeezenet | trainNetwork | vgg16 | vgg19