resnet101
ResNet-101卷积神经网络
描述
ResNet-101是一个卷积神经网络,有101层深。您可以从ImageNet数据库中加载经过100多万张图像训练的网络的预训练版本[1].预训练的网络可以将图像分类为1000个对象类别,例如键盘、鼠标、铅笔和许多动物。因此,该网络已经学习了广泛图像的丰富特征表示。该网络的图像输入大小为224 * 224。用于MATLAB中更多的预训练网络®,请参阅预训练的深度神经网络.
你可以使用分类
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GoogLeNet。
要在新的分类任务上重新训练网络,请遵循训练深度学习网络对新图像进行分类加载ResNet-101而不是GoogLeNet。
提示
要创建适合图像分类任务的未经训练的残差网络,请使用resnetLayers
.
返回在ImageNet数据集上训练的ResNet-101网络。网
= resnet101
此功能需要深度学习工具箱™模型用于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。这个语法等价于网
= resnet101(“权重”,“imagenet”
)Net = 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”
)
例子
输出参数
参考文献
[1]ImageNet.http://www.image-net.org
[2]何开明,张翔宇,任少卿,孙健。“用于图像识别的深度剩余学习。”在IEEE计算机视觉和模式识别会议论文集,第770-778页。2016.