Сверточная нейронная сеть Pretrained NASNet-Large
NASNet-большой сверточная нейронная сеть, которая обучена больше чем на миллионе изображений от базы данных ImageNet [1]. 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 331 331. Для большего количества предварительно обученных сетей в MATLAB®, смотрите Предварительно обученные Глубокие нейронные сети.
Можно использовать classify классифицировать новые изображения с помощью NASNet-большой-модели. Выполните шаги, Классифицируют Изображение Используя GoogLeNet и заменяют GoogLeNet на NASNet-большой.
Чтобы переобучить сеть на новой задаче классификации, выполните шаги, Обучают Нейронную сеть для глубокого обучения Классифицировать Новые Изображения и загрузку, NASNet-большую вместо GoogLeNet.
Загрузите и установите Модель Deep Learning Toolbox для NASNet-большого пакета Сетевой поддержки.
Ввод nasnetlarge в командной строке.
nasnetlarge
Если Модель Deep Learning Toolbox для NASNet-большого пакета Сетевой поддержки не установлена, то функция обеспечивает ссылку на необходимый пакет поддержки в Add-On Explorer. Чтобы установить пакет поддержки, щелкните по ссылке, и затем нажмите Install. Проверяйте, что установка успешна путем ввода nasnetlarge в командной строке. Если необходимый пакет поддержки установлен, то функция возвращает DAGNetwork объект.
nasnetlarge
ans =
DAGNetwork with properties:
Layers: [1244×1 nnet.cnn.layer.Layer]
Connections: [1463×2 table]Визуализируйте сеть с помощью Deep Network Designer.
deepNetworkDesigner(nasnetlarge)
Исследуйте другие предварительно обученные сети в Deep Network Designer путем нажатия на New.
Если необходимо загрузить сеть, сделать паузу в желаемой сети и нажать Install, чтобы открыть Add-On Explorer.
Можно использовать передачу обучения, чтобы переобучить сеть, чтобы классифицировать новый набор изображений.
Откройтесь пример Обучают Нейронную сеть для глубокого обучения Классифицировать Новые Изображения. Исходный пример использует предварительно обученную сеть GoogLeNet. Чтобы использовать обучение с переносом с помощью различной сети, загрузите желаемую предварительно обученную сеть и выполните шаги в примере.
Загрузите сеть NASNet-Large вместо GoogLeNet.
net = nasnetlarge
Выполните остающиеся шаги в примере, чтобы переобучить вашу сеть. Необходимо заменить последний learnable слой и слой классификации в сети с новыми слоями для обучения. Пример показывает вам, как найти который слои заменить.
[1] ImageNet. http://www.image-net.org
[2] Zoph, Берет, Виджай Вэзудевэн, Джонатон Шленс и Кок В. Ле. "Изучая Передаваемые Архитектуры для Масштабируемого Распознавания Изображений". arXiv предварительно распечатывают arXiv:1707.07012 2, № 6 (2017).
Deep Network Designer | vgg16 | vgg19 | googlenet | trainNetwork | layerGraph | DAGNetwork | resnet50 | resnet101 | inceptionresnetv2 | squeezenet | densenet201 | nasnetmobile | shufflenet