主要内容

图像分类器

使用一个训练有素的深度学习神经网络分类数据

扩展所有的页面
  • 库:

  • 深度学习神经网络工具箱/深

  • 图像分类器块

描述

的图像分类器块预测类标签的数据输入,通过训练网络通过块参数指定。这个块允许加载pretrained网络仿真软件金宝app®从MAT-file或MATLAB模型®函数。

限制

  • 的图像分类器块不支持序列网络和多输入和多输金宝app出(MIMO)网络。

  • 的图像分类器块不支持MAT-file日志记金宝app录。

港口

输入

全部展开

一个h——- - - - - -w——- - - - - -c——- - - - - -N数字数组,h,w,c高度,宽度,和数字通道的图像,分别和N是图片的数量。

一个N——- - - - - -numFeatures数字数组,N是观察和的数量吗numFeatures是功能的输入数据的数量。

如果数组包含南年代,然后通过网络传播。

输出

全部展开

预测类标签与得分最高的,作为一个返回N标签1列举向量,N是观测的数量。

预测分数,作为一个返回N——- - - - - -K矩阵,N是观测的数量,和K类的数量。

标签与预测分数,作为一个返回N——- - - - - -K矩阵,N是观测的数量,和K类的数量。

参数

全部展开

指定的源训练网络。选择下列之一:

  • 网络从MAT-file——从MAT-file包含进口训练网络SeriesNetwork,DAGNetwork,或dlnetwork对象。

  • 网络从MATLAB函数——从一个MATLAB函数导入pretrained网络。例如,通过使用googlenet函数。

编程使用

块参数:网络
类型:特征向量,字符串
价值观:“网络从MAT-file”|“网络从MATLAB函数”
默认值:“网络从MAT-file”

该参数指定的名称包含训练MAT-file深度学习网络负载。如果文件不是MATLAB路径,使用浏览按钮来定位文件。

依赖关系

要启用该参数,设置网络参数网络从MAT-file。

编程使用

块参数:NetworkFilePath
类型:特征向量,字符串
价值观:MAT-file路径或名称
默认值:“untitled.mat”

该参数指定的名称的MATLAB函数pretrained深度学习网络。例如,使用googlenet功能导入pretrained GoogLeNet模型。

依赖关系

要启用该参数,设置网络参数网络从MATLAB函数。

编程使用

块参数:NetworkFunction
类型:特征向量,字符串
价值观:MATLAB函数名
默认值:“squeezenet”

大小mini-batches用于预测,指定为一个正整数。大mini-batch大小需要更多的内存,但会导致更快的预测。

编程使用

块参数:MiniBatchSize
类型:特征向量,字符串
价值观:正整数
默认值:“128”

调整输入端口的数据输入网络的大小。

编程使用

块参数:ResizeInput
类型:特征向量,字符串
价值观:“关闭”|“上”
默认值:“上”

使输出端口ypred输出与得分最高的标签。

编程使用

块参数:分类
类型:特征向量,字符串
价值观:“关闭”|“上”
默认值:“上”

使输出端口分数和标签输出所有预测成绩和相关的类标签。

编程使用

块参数:预测
类型:特征向量,字符串
价值观:“关闭”|“上”
默认值:“关闭”

模型的例子

使用GoogLeNet分类图像仿真软件金宝app

使用GoogLeNet分类图像仿真软件金宝app

分类的图像仿真软件®使用金宝app图像分类器块。例子使用了pretrained深卷积神经网络GoogLeNet执行分类。
使用深度学习分类ECG信号的仿真软件金宝app

使用深度学习分类ECG信号的仿真软件金宝app

使用小波变换和深入学习网络模型(R)模型对ECG信号进行分类。金宝app下面的例子使用了pretrained卷积神经网络的时间序列分类使用小波分析和深度学习小波工具箱™对ECG信号进行分类的例子基于图像变换的时间序列数据。在培训的更多信息,请参阅分类时间序列使用小波分析和深度学习(小波工具箱)。

扩展功能

另请参阅

介绍了R2020b

深度学习工具箱文档

金宝app

用MATLAB引入深度学习

用MATLAB引入深度学习

下载电子书