renet -101卷积神经网络
ResNet-101是一个卷积神经网络,有101层深度。您可以在ImageNet数据库的100多万张图像上加载预先训练过的网络版本[1].经过预先训练的网络可以将图像分为1000个对象类别,如键盘、鼠标、铅笔和许多动物。因此,该网络学习了丰富的特征表示范围广泛的图像。该网络的图像输入尺寸为224 × 224。用于MATLAB中更多的预训练网络®,请参阅预先训练的深度神经网络.
您可以使用分类
使用ResNet-101模型对新图像进行分类。遵循以下步骤使用GoogLeNet分类图像用ResNet-101取代google网。
要重新训练网络进行新的分类任务,请遵循以下步骤训练深度学习网络对新图像进行分类并加载ResNet-101而不是GoogLeNet。
提示
要创建一个适合于图像分类任务的未经训练的残差网络,使用resnetLayers
.
返回在ImageNet数据集上训练的ResNet-101网络。净
= resnet101
该功能需要深度学习工具箱™模型resnet - 101网络金宝app支持包。如果没有安装此支金宝app持包,则该函数将提供下载链接。
返回在ImageNet数据集上训练的ResNet-101网络。该语法等价于净
= resnet101(“权重”,“imagenet”
)网= resnet101
.
返回未经训练的ResNet-101网络架构。未经训练的模型不需要支持包。金宝applgraph
= resnet101(“权重”,“没有”
)
[1]ImageNet.http://www.image-net.org
何开明,张翔宇,任少青,孙健“图像识别的深度残差学习”。在计算机视觉与模式识别IEEE会议论文集, 770 - 778页。2016.
深层网络设计师|resnetLayers
|vgg16
|vgg19
|resnet18
|resnet50
|googlenet
|inceptionv3
|inceptionresnetv2
|densenet201
|squeezenet
|trainNetwork
|layerGraph
|DAGNetwork