ResNet-101 сверточную нейронную сеть
ResNet-101 является сверточной нейронной сетью, которая имеет глубину 101 слой. Предварительно обученную версию сети можно загрузить более чем на миллион изображений из базы данных ImageNet [1]. Предварительно обученная сеть может классифицировать изображения в 1000 категорий объектов, таких как клавиатура, мышь, карандаш и многие животные. В результате сеть узнала представления богатых функций для широкой области значений изображений. Сеть имеет размер входного сигнала изображения 224 224. Для более предварительно обученных сетей в MATLAB®, см. «Предварительно обученные глубокие нейронные сети».
Вы можете использовать classify классифицировать новые изображения с помощью модели ResNet-101. Следуйте шагам классификации изображений с помощью GoogLeNet и замените GoogLeNet на ResNet-101.
Чтобы переобучить сеть по новой задаче классификации, следуйте шагам Traind Нейронной Сети для Глубокого Обучения для классификации новых изображений и загрузки ResNet-101 вместо GoogLeNet.
net = resnet101
Эта функция требует пакета Deep Learning Toolbox™ Model for ResNet-101 Network поддержки. Если этот пакет поддержки не установлен, то функция предоставляет ссылку на загрузку.
net = resnet101('Weights','imagenet')net = resnet101.
lgraph = resnet101('Weights','none')
Загрузите и установите модель Deep Learning Toolbox для ResNet-101 Network поддержки.
Напечатать resnet101 в командной строке.
resnet101
Если модель Deep Learning Toolbox для ResNet-101 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 resnet101 в командной строке. Если установлен необходимый пакет поддержки, то функция возвращает DAGNetwork объект.
resnet101
ans =
DAGNetwork with properties:
Layers: [347×1 nnet.cnn.layer.Layer]
Connections: [379×2 table]Визуализация сети с помощью Deep Network Designer.
deepNetworkDesigner(resnet101)
Исследуйте другие предварительно обученные сети в Deep Network Designer, нажав New.
Если необходимо загрузить сеть, нажмите кнопку Install, чтобы открыть Add-On Explorer.
[1] ImageNet. http://www.image-net.org
[2] He, Kaiming, Xiangyu Zhang, Shaoqing Ren, and Jian Sun. «Глубокое остаточное обучение для распознавания изображений». В материалах конференции IEEE по компьютерному зрению и распознаванию шаблонов, стр. 770-778. 2016.
DAGNetwork | Deep Network Designer | densenet201 | googlenet | inceptionresnetv2 | inceptionv3 | layerGraph | plot | resnet18 | resnet50 | squeezenet | trainNetwork | vgg16 | vgg19