Предварительно обученная NASNet-Крупная сверточная нейронная сеть
NASNet-Large - сверточная нейронная сеть, обученная более чем миллиону изображений из базы данных ImageNet [1]. 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 331 на 331. 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 NASNet-Large. Выполните шаги команды «Классифицировать изображение с помощью GoogLeNet» и замените GoogLeNet на NASNet-Large.
Чтобы переобучить сеть на новой задаче классификации, следуйте шагам Train Deep Learning Network для классификации новых изображений и загрузки NASNet-Large вместо GoogLeNet.
Загрузите и установите программу Deep Learning Toolbox Model для пакета поддержки NASNet-Large Network.
Напечатать nasnetlarge в командной строке.
nasnetlarge
Если не установлен пакет поддержки Deep Learning Toolbox Model для NASNet-Large Network, то функция предоставляет ссылку на необходимый пакет поддержки в обозревателе Add-On Explorer. Чтобы установить пакет поддержки, щелкните ссылку и нажмите кнопку Установить. Убедитесь, что установка выполнена успешно, введя nasnetlarge в командной строке. Если установлен необходимый пакет поддержки, функция возвращает DAGNetwork объект.
nasnetlarge
ans =
DAGNetwork with properties:
Layers: [1244×1 nnet.cnn.layer.Layer]
Connections: [1463×2 table]Визуализация сети с помощью Deep Network Designer.
deepNetworkDesigner(nasnetlarge)
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 сеть NASNet-Large вместо GoogLeNet.
net = nasnetlarge
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] Зоф, Баррет, Виджай Васудеван, Джонатон Шленс и Куок В. Ле. «Изучение переносимых архитектур для распознавания масштабируемых изображений» arXiv preprint arXiv:1707.07012 2, no. 6 (2017).
DAGNetwork | Конструктор глубоких сетей | densenet201 | googlenet | inceptionresnetv2 | layerGraph | nasnetmobile | plot | resnet101 | resnet50 | shufflenet | squeezenet | trainNetwork | vgg16 | vgg19