Сверточная нейронная сеть Inception-v3
Inception-v3 является сверточной нейронной сетью, которая является 48 слоями глубоко. Можно загрузить предварительно обученную версию сети, обученной больше чем на миллионе изображений от базы данных ImageNet [1]. Предварительно обученная сеть может классифицировать изображения в 1 000 категорий объектов, таких как клавиатура, мышь, карандаш и многие животные. В результате сеть изучила богатые представления функции для широкого спектра изображений. Сеть имеет входной размер изображений 299 299. Для большего количества предварительно обученных сетей в MATLAB®, смотрите Предварительно обученные Глубокие нейронные сети.
Можно использовать classify
классифицировать новые изображения с помощью модели Inception-v3. Выполните шаги, Классифицируют Изображение Используя GoogLeNet и заменяют GoogLeNet на Inception-v3.
Чтобы переобучить сеть на новой задаче классификации, выполните шаги, Обучают Нейронную сеть для глубокого обучения Классифицировать Новые Изображения и загружать Inception-v3 вместо GoogLeNet.
возвращает сеть Inception-v3, обученную на базе данных ImageNet.net
= inceptionv3
Эта функция требует Модели Deep Learning Toolbox™ для пакета Сетевой поддержки Inception-v3. Если этот пакет поддержки не установлен, то функция обеспечивает ссылку на загрузку.
возвращает сеть Inception-v3, обученную на базе данных ImageNet. Этот синтаксис эквивалентен net
= inceptionv3('Weights','imagenet'
)net = inceptionv3
.
возвращает нетренированную архитектуру сети Inception-v3. Нетренированная модель не требует пакета поддержки. lgraph
= inceptionv3('Weights','none'
)
[1] ImageNet. http://www.image-net.org
[2] Szegedy, христианин, Винсент Вэнхук, Сергей Иоффе, Джон Шленс и Збигнев Война. "Заново продумав архитектуру начала для компьютерного зрения". В Продолжениях Конференции по IEEE по Компьютерному зрению и Распознаванию образов, стр 2818-2826. 2016.
Deep Network Designer | vgg16
| vgg19
| googlenet
| resnet18
| resnet50
| trainNetwork
| inceptionresnetv2
| squeezenet
| layerGraph
| DAGNetwork
| densenet201