Cargar una red preentrenada

Cargue la red preentrenada GoogLeNet。深度学习工具箱™模型为GoogLeNet网络．Si no ha安装los paquetes de soporte requeridos, el software proporciona un enlace de descarga。

También puede cargar una红色preentrenada不同para分类imágenes。Para probar otra red preentrenada, abra este ejemplo en MATLAB®y seleccione una diente。Por ejemplo, puede probarsqueezenet， una red que es incluso más rápida quegooglenet．Puede llevar a cabo el ejemplo con más redes preentrenadas。这是一份权利清单，咨询Cargar redes preentrenadas．

网=googlenet;

El tamaño de la imagen que desea分类debe巧合con El tamaño de entrada de la red。GoogLeNet, el primer elemento de la丙神层红的，心的，意象的。El tamaño上帝的仁慈和仁慈InputSizeDe la capa De entrada De la imagen。

inputSize = net.Layers(1).InputSize

inputSize =1×3224 224 3

这是最后的赎罪之道层Es la capa de clasificación de salida。La propiedad一会大陆之角，罗马之名，罗马之等级，罗马之红。一千种疾病的总数。

classNames = net.Layers(end).ClassNames;numClasses = numel(classNames);disp(类名(randperm (numClasses 10)))

“蝶耳犬”、“蛋酒”、“菠萝蜜”、“城堡”、“睡袋”、“红腿”、“创可贴”、“炒锅”、“安全带”、“橙子”

眼神una imagen y形成层苏tamaño

Lea muestre la imagen que desea classification。

I = imread(“peppers.png”）;图imshow(我)

Muestre el tamaño de la imagen。La imagen tiene 384 por 512 píxeles y tres canal de color (RGB)。

大小(我)

ans =1×3384 512 3

Cambie el tamaño de la imagen conimresize巧合tamaño红色的entrada de la red。Si cambia el tamaño, también se modificará ligamente la relación de aspecto de la imagen。

I = imresize(I,inputSize(1:2));图imshow(我)

依赖cuál海苏aplicación，可能的形成层tamaño de la imagen de extra forma。Por ejemplo, puede recortar la esquina superior izquierda de la imagen con我(1:inputSize (1), 1: inputSize (2):)．Si tiene图像处理工具箱™，puede utilitzar la funciónimcrop．

分类una imagen

分类imágenes分类概率计算分类．红色的分类，红色的图像，正确的，与辣椒有关的morrón。作为clasificación se entrenan para generar una única礼仪para cada imagen de salida，包括si la imagen contiene varios对象。

[label,scores] = category (net,I);标签

标签=分类甜椒

在礼仪上的想象和预测的可能性在礼仪上的想象和预测的可能性。

图imshow(I) title(字符串(标签)+”、“+ num2str(100*scores(classNames == label)，3) +“%”）;

大多数预测原则

现代礼仪预测原则和概率理论以及直方图模式。Debido a que la red classification las imágenes en muchas categorías de对象y muchas de estas son similares, es习惯性tener en cuenta la precisión de las cinco principales al evaluar las redes。红的概率，红的分类，红的意象，红的morrón。

[~，idx] = sort(scores，“下”）;Idx = Idx (5:-1:1);classNamesTop = net.Layers(end).ClassNames(idx);scoresTop = scores(idx);图barh(scoresTop) xlim([0 1])“五大预测”)包含(“概率”) yticklabels (classNamesTop)