主要内容

图像分类器

使用经过训练的深度学习神经网络对数据进行分类

展开全部页面
  • 库:

  • 深度学习工具箱/深度神经网络

  • 图像分类器块

描述

的图像分类器Block通过使用通过Block参数指定的训练网络来预测输入数据的类标签。此块允许将预先训练好的网络加载到Simulink中金宝app®从mat文件或MATLAB的模型®函数。

限制

  • 的图像分类器block不支持序列网络和多输金宝app入多输出网络(MIMO)。

  • 的图像分类器block不支持mat文件日志金宝app。

港口

输入

全部展开

一个h——- - - - - -w——- - - - - -c——- - - - - -N数字数组，其中h，w,c图像的高度、宽度和通道数分别是和N是图像的数量。

一个N——- - - - - -numFeatures数字数组，其中N观察的次数和numFeatures输入数据的特征数。

如果数组包含南S，然后它们在网络中传播。

输出

全部展开

预测得分最高的班级标签，作为a返回N-by-1的标签枚举向量，其中N是观测的数量。

预测分数，返回为aN——- - - - - -K矩阵,N是观察数，和K是类的数量。

与预测分数相关联的标签，作为a返回N——- - - - - -K矩阵,N是观察数，和K是类的数量。

参数

全部展开

为训练过的网络指定源。选择以下其中一项:

  • mat文件中的网络—从MAT-file中导入训练好的网络SeriesNetwork，DAGNetwork,或dlnetwork对象。

  • 来自MATLAB的网络函数-从MATLAB函数中导入预训练的网络。例如，通过使用googlenet函数。

编程使用

块参数:网络
类型:字符向量，字符串
价值观:来自mat文件的网络|“网络来自MATLAB函数”
默认值:来自mat文件的网络

此参数指定包含要加载的经过训练的深度学习网络的mat文件的名称。如果该文件不在MATLAB路径上，请使用浏览按钮，定位文件。

依赖关系

若要启用此参数，请设置网络参数mat文件中的网络．

编程使用

块参数:NetworkFilePath
类型:字符向量，字符串
价值观:mat文件的路径或名称
默认值:“untitled.mat”

此参数指定预先训练的深度学习网络的MATLAB函数的名称。例如，使用googlenet函数导入预先训练好的GoogLeNet模型。

依赖关系

若要启用此参数，请设置网络参数来自MATLAB的网络函数．

编程使用

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

用于预测的小批的大小，指定为正整数。更大的迷你批处理需要更多的内存，但可以导致更快的预测。

编程使用

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

将输入端口的数据大小调整为网络的输入大小。

编程使用

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

开启输出端口ypred输出得分最高的标签。

编程使用

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

开启输出端口分数而且标签输出所有预测的分数和相关的班级标签。

编程使用

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

模型的例子

使用GoogLeNet在Simulin金宝appk中分类图像

使用GoogLeNet在Simulin金宝appk中分类图像

类对Simulink®中的图像进行分类金宝app图像分类器块。本例使用预先训练好的深度卷积神经网络GoogLeNet进行分类。
打开脚本
基于深度学习的Simulink心电信号分类金宝app

基于深度学习的Simulink心电信号分类金宝app

使用小波变换和Simulink (R)模型中的深度学习网络对心电信号进行分类。金宝app这个例子使用了预先训练好的卷积神经网络基于小波分析和深度学习的时间序列分类基于时间序列数据的CWT图像对心电信号进行分类的小波工具箱的例子。有关训练的信息，请参见使用小波分析和深度学习分类时间序列(小波工具箱)。
打开脚本

扩展功能

版本历史

R2020b中介绍

另请参阅