Предварительно обученная сверточная нейронная сеть ShuffleNet
ShuffleNet - 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 224 на 224. 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 ShuffleNet. Выполните шаги команды «Классифицировать изображение с помощью GoogLeNet» и замените GoogLeNet на ShuffleNet.
Чтобы переобучить сеть по новой задаче классификации, выполните шаги Train Deep Learning Network для классификации новых образов и загрузки ShuffleNet вместо GoogLeNet.
Загрузите и установите программу Deep Learning Toolbox Model для пакета поддержки сети ShuffleNet.
Напечатать shufflenet в командной строке.
shufflenet
Если модель Deep Learning Toolbox Model для пакета поддержки сети ShuffleNet не установлена, то функция предоставляет ссылку на требуемый пакет поддержки в проводнике Add-On. Чтобы установить пакет поддержки, щелкните ссылку и нажмите кнопку Установить. Убедитесь, что установка выполнена успешно, введя shufflenet в командной строке. Если установлен необходимый пакет поддержки, функция возвращает DAGNetwork объект.
shufflenet
ans =
DAGNetwork with properties:
Layers: [173×1 nnet.cnn.layer.Layer]
Connections: [188×2 table]Визуализация сети с помощью Deep Network Designer.
deepNetworkDesigner(shufflenet)
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 ShuffleNet вместо GoogLeNet.
net = shufflenet
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] Чжан, Сянъю, Синю Чжоу, Мэнсяо Линь и Цзянь Сунь. «ShuffleNet: чрезвычайно эффективная сверточная нейронная сеть для мобильных устройств». arXiv препринт arXiv:1707.01083v2 (2017).
DAGNetwork | Конструктор глубоких сетей | densenet201 | googlenet | inceptionresnetv2 | layerGraph | nasnetlarge | nasnetmobile | plot | resnet101 | resnet50 | squeezenet | trainNetwork | vgg16 | vgg19