DarkNet-53 сверточная нейронная сеть
DarkNet-53 - сверточная нейронная сеть глубиной 53 слоя. Предварительно подготовленную версию сети можно загрузить на более чем миллион изображений из базы данных ImageNet [1]. Предварительно обученная сеть может классифицировать изображения на 1000 категорий объектов, таких как клавиатура, мышь, карандаш и многие животные. В результате сеть получила богатые представления элементов для широкого спектра изображений. Сеть имеет размер входного изображения 256 на 256. Дополнительные сведения о предварительно подготовленных сетях в MATLAB ® см. в разделе Предварительно обученные глубокие нейронные сети.
Вы можете использовать classify для классификации новых изображений с использованием модели DarkNet-53. Выполните шаги команды «Классифицировать изображение с помощью GoogLeNet» и замените GoogLeNet на DarkNet-53.
Чтобы переобучить сеть на новой задаче классификации, следуйте шагам Train Deep Learning Network по классификации новых образов и загрузке DarkNet-53 вместо GoogLeNet.
DarkNet-53 часто используется в качестве основы для проблем обнаружения объектов и рабочих процессов YOLO [2]. Пример того, как обучить человека внешнему виду только один раз (YOLO), см. в разделе Обнаружение объектов с помощью глубокого обучения YOLO v2. В этом примере для извлечения элементов используются ResNet-50. Можно также использовать другие предварительно подготовленные сети, такие как DarkNet-19, DarkNet-53, MobileNet-v2 или ResNet-18, в зависимости от требований приложения.
net = darknet53
Для этой функции требуется модель Deep Learning Toolbox™ для пакета поддержки DarkNet-53 Network. Если этот пакет поддержки не установлен, функция предоставляет ссылку для загрузки.
net = darknet53('Weights','imagenet')net = darknet53.
lgraph = darknet53('Weights','none')
Загрузите и установите модель Deep Learning Toolbox Model для пакета поддержки DarkNet-53 Network.
Напечатать darknet53 в командной строке.
darknet53
Если модель Deep Learning Toolbox Model для пакета поддержки DarkNet-53 Network не установлена, функция предоставляет ссылку на требуемый пакет поддержки в обозревателе Add-On Explorer. Чтобы установить пакет поддержки, щелкните ссылку и нажмите кнопку Установить. Убедитесь, что установка выполнена успешно, введя darknet53 в командной строке. Если установлен необходимый пакет поддержки, функция возвращает DAGNetwork объект.
darknet53
ans =
DAGNetwork with properties:
Layers: [184×1 nnet.cnn.layer.Layer]
Connections: [206×2 table]
InputNames: {'input'}
OutputNames: {'output'}Визуализация сети с помощью Deep Network Designer.
deepNetworkDesigner(darknet53)
Изучите другие предварительно подготовленные сети в Deep Network Designer, нажав кнопку Создать.
Если необходимо загрузить сеть, нажмите кнопку Установить, чтобы открыть обозреватель надстроек.
Вы можете использовать transfer learning для переподготовки сети для классификации нового набора изображений.
Откройте пример Обучающая сеть глубокого обучения для классификации новых изображений. В исходном примере используется предварительно обученная сеть GoogLeNet. Чтобы выполнить обучение передаче с использованием другой сети, загрузите нужную предварительно обученную сеть и следуйте инструкциям в примере.
Загрузите DarkNet-53 сеть вместо GoogLeNet.
net = darknet53
Для переподготовки сети выполните остальные шаги в примере. Необходимо заменить последний обучаемый уровень и уровень классификации в сети новыми уровнями для обучения. В примере показано, как найти слои для замены.
[1] ImageNet. http://www.image-net.org
[2] Редмон, Джозеф. «Даркнет: нейронные сети с открытым исходным кодом в C» https://pjreddie.com/darknet.
DAGNetwork | darknet19 | Конструктор глубоких сетей | densenet201 | googlenet | inceptionresnetv2 | layerGraph | nasnetlarge | nasnetmobile | plot | resnet101 | resnet50 | squeezenet | trainNetwork | vgg16 | vgg19