googlenet
Сверточная нейронная сеть GoogLeNet
Описание
GoogLeNet - сверточная нейронная сеть глубиной 22 слоя. Вы можете загрузить предварительно обученную версию сети, обученной или на ImageNet [1] или на [2] [3]наборах данных Places365 . Обученная на ImageNet сеть классифицирует изображения в 1000 категорий объектов, таких как клавиатура, мышь, карандаш и многие животные. Сеть, обученная на Places365, аналогична сети, обученной на ImageNet, но классифицирует изображения в 365 различных категориях мест, таких как поле, парк, взлетно-посадочная полоса и лобби. Эти сети изучили различные представления функций для широкой области значений изображений. Обе предварительно обученные сети имеют размер входа изображения 224 224. Для более предварительно обученных сетей в MATLAB®, см. «Предварительно обученные глубокие нейронные сети».
Чтобы классифицировать новые изображения с помощью GoogLeNet, используйте classify. Для получения примера смотрите Классификация изображений Используя GoogLeNet.
Можно переобучить сеть GoogLeNet, чтобы выполнить новую задачу с помощью передачи обучения. При выполнении передачи обучения наиболее распространенным подходом является использование сетей, предварительно обученных на наборе данных ImageNet. Если новая задача похожа на классификацию сцен, то использование обученной на Places-365 сети может дать более высокие точности. Для примера, показывающего, как переобучить GoogLeNet по новой задаче классификации, смотрите Обучите нейронную сеть для глубокого обучения для классификации новых изображений
net = googlenet
Этой функции требуется Модель Deep Learning Toolbox™ для пакета поддержки GoogLeNet Network. Если этот пакет поддержки не установлен, то функция предоставляет ссылку на загрузку.
net = googlenet('Weights',weights)googlenet('Weights','imagenet') (по умолчанию) эквивалентно googlenet.
Обученной на ImageNet сети требуется модель поддержки Deep Learning Toolbox Model для GoogLeNet Network. Для обучения сети на Places365 требуется пакет Deep Learning Toolbox Model для Places365-GoogLeNet Network поддержки. Если необходимый пакет поддержки не установлен, то функция предоставляет ссылку на загрузку.
lgraph = googlenet('Weights','none')
Примеры
Загрузить пакет поддержки GoogLeNet
Загрузите и установите модель Deep Learning Toolbox для пакета поддержки GoogLeNet Network.
Напечатать googlenet в командной строке.
googlenet
Если модель Deep Learning Toolbox Model для пакета поддержки GoogLeNet Network не установлена, то функция предоставляет ссылку на необходимый пакет поддержки в Add-On Explorer. Чтобы установить пакет поддержки, щелкните ссылку и нажмите кнопку Install. Проверьте успешность установки путем ввода googlenet в командной строке. Если установлен необходимый пакет поддержки, то функция возвращает DAGNetwork объект.
googlenet
ans =
DAGNetwork with properties:
Layers: [144×1 nnet.cnn.layer.Layer]
Connections: [170×2 table]Визуализация сети с помощью Deep Network Designer.
deepNetworkDesigner(googlenet)
Исследуйте другие предварительно обученные сети в Deep Network Designer, нажав New.
Если необходимо загрузить сеть, нажмите кнопку Install, чтобы открыть Add-On Explorer.
Входные параметры
Выходные аргументы
Ссылки
[1] ImageNet. http://www.image-net.org
[2] Чжоу, Болей, Адитья Хосла, Агата Лапедриза, Антонио Торральба, и Од Олива. «Места: База изображений для глубокого понимания сцены». arXiv preprint arXiv:1610.02055 (2016).
[3] Места. http://places2.csail.mit.edu/
[4] Сегеди, Кристиан, Вэй Лю, Янцин Цзи, Пьер Сермане, Скотт Рид, Драгомир Ангуэлов, Думитру Эрхан, Винсент Ванхукке и Эндрю Рабинович. «Все глубже со свертками». В материалах конференции IEEE по компьютерному зрению и распознаванию шаблонов, стр. 1-9. 2015.
[5] Модель BVLC GoogLeNet. https://github.com/BVLC/caffe/tree/master/models/bvlc_googlenet
Расширенные возможности
См. также
DAGNetwork | Deep Network Designer | densenet201 | inceptionresnetv2 | inceptionv3 | layerGraph | plot | resnet101 | resnet18 | resnet50 | squeezenet | trainNetwork | vgg16 | vgg19
Темы
- Перенесите обучение с помощью Deep Network Designer
- Классификация изображений с помощью GoogLeNet
- Обучите нейронную сеть для глубокого обучения для классификации новых изображений
- Глубокое обучение в MATLAB
- Предварительно обученные глубокие нейронные сети
- Обучите остаточную сеть для классификации изображений