图像分类的深度学习

阿维本周的最佳选择是AlexNet网络的深度学习工具箱模型通过深度学习工具箱团队．AlexNet是一个预先训练的1000类图像分类器，使用深度学习，更具体地说，卷积神经网络(CNN)。支持包提金宝app供了对这个强大模型的简单访问，以帮助快速入门MATLAB中的深度学习。

目录

在MATLAB中访问预先训练好的模型

下载并安装支持包后，可以将预先训练好的模型加载到MATLAB中。金宝app

net=alexnet

net=具有以下属性的系列网络：层：[25×1 nnet.cnn.layer.layer]

查看网络架构

现在让我们快速了解一下深层神经网络层的结构。

网。层

ans = 25x1 Layer array with layers:227 x227x3数据的图像输入图像的zerocenter正常化2 conv1卷积96年11 x11x3旋转步[4 4]和填充[0 0]3‘relu1 ReLU ReLU 4 norm1的横通道正常化横通道正常化与5频道/元素5“pool1”马克斯池3 x3马克斯池步(2 - 2)和填充[0 0]6“conv2”卷积256 5 x5x48旋转步[1]和填充(2 2]7‘relu2 ReLU ReLU 8 norm2的横通道正常化横通道正常化与5频道/元素9“pool2”马克斯池3 x3马克斯池步(2 - 2)和填充[0 0]384 3 x3x256 conv3的卷积运算与步幅[1]和填充[1]11‘relu3 ReLU ReLU 12 conv4卷积384 3 x3x192旋转步[1]和填充[1]13的relu4 ReLU ReLU 14 conv5卷积256 3 x3x192旋转步[1]和填充[1]15 ' relu5 ReLU ReLU 16“pool5”马克斯池3 x3 Max池步(2 - 2)和填充[0 0]17 fc6完全连接4096完全连接18层的relu6 ReLU ReLU 19“drop6”辍学50%辍学20“fc7”完全连接4096完全连接层21 ' relu7 ReLU ReLU 22“drop7”辍学50%辍学23 fc8完全连接1000完全连接层24“概率”Softmax Softmax 25“输出”与“鲤鱼”分类输出叉,“金鱼”,998其他的类

图像的分类

现在让我们尝试使用深度学习对图像进行分类。在对图像进行分类之前，我们需要调整输入图像的大小，以匹配网络输入的227 x 227像素。

I=imread(“Keyboard.jpg”);%调整图像的大小sz=net.Layers（1）.InputSize I=imresize（I[sz（1）sz（2）]；%使用AlexNet对图像进行分类分类(净额，I)%显示图像和分类结果图imshow(我)文本(10年,20年,char(标签),“颜色”,“白色”)

Sz = 227 227 3 label =打字机键盘

更多关于深度学习的信息

要了解更多关于深度学习以及如何为不同的任务重新训练AlexNet模型的知识，请参阅本文中的示例本次网络研讨会它使用AlexNet来区分不同种类的工具。