主要内容

googlenet

GoogLeNet卷积神经网络

折叠所有页面
  • GoogLeNet网络架构

语法

网络= googlenet
net = googlenet('Weights'， Weights)
lgraph = googlenet('Weights'，'none')

描述

GoogLeNet是一个22层的卷积神经网络。您可以加载在ImageNet上训练的网络的预训练版本[1]或Places365[２][3]数据集。在ImageNet上训练的网络将图像分为1000个对象类别，例如键盘、鼠标、铅笔和许多动物。在Places365上训练的网络类似于在ImageNet上训练的网络，但将图像分为365个不同的地点类别，例如田地、公园、跑道和大厅。这些网络已经学会了各种图像的不同特征表示。预训练的网络的图像输入大小都是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．

要使用GoogLeNet对新图像进行分类，请使用分类．有关示例，请参见使用GoogLeNet分类图像．

您可以使用迁移学习重新训练GoogLeNet网络来执行新任务。在执行迁移学习时，最常见的方法是使用在ImageNet数据集上预训练的网络。如果新任务类似于场景分类，那么使用在Places-365上训练的网络可以提供更高的准确性。有关显示如何在新的分类任务上重新训练GoogLeNet的示例，请参见训练深度学习网络对新图像进行分类

例子

网= googlenet返回在ImageNet数据集上训练的GoogLeNet网络。

此功能需要深度学习工具箱™模型为GoogLeNet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。

网= googlenet(“权重”,权重）返回在ImageNet或Places365数据集上训练过的GoogLeNet网络。的语法googlenet(“重量”、“imagenet”)(默认)相当于googlenet．

在ImageNet上训练的网络需要深度学习工具箱模型为GoogLeNet网络金宝app支持包。在Places365上训练的网络需要深度学习工具箱模型Places365-GoogLeNet Network金宝app支持包。如果没有安装所需的支持包，则该函金宝app数提供下载链接。

lgraph= googlenet(“权重”,“没有”）返回未经训练的GoogLeNet网络架构。未经训练的模型不需要支持包。金宝app

例子

全部折叠

下载并安装深度学习工具箱模型为GoogLeNet网络金宝app支持包。

类型googlenet在命令行。

googlenet

如果深度学习工具箱模型为GoogLeNet网络金宝app支持包未安装，则该函数在外接程序资源管理器中提供到所需支持包的链接。要安装支持包，请单击链接，然后金宝app单击安装．通过输入检查安装是否成功googlenet在命令行。如果安装了所需的支持包，则函数返金宝app回DAGNetwork对象。

googlenet
ans = DAGNetwork with properties: Layers: [144×1 nnet.cnn.layer.Layer] Connections: [170×2 table]

使用深度网络设计器可视化网络。

deepNetworkDesigner (googlenet)

通过单击在深度网络设计器中探索其他预训练的网络新．

深度网络设计器开始页显示可用的预训练网络

如果需要下载网络，请在需要下载的网络上暂停，然后单击安装打开附加组件资源管理器。

输入参数

全部折叠

网络参数的来源，指定为“imagenet”，“places365”,或“没有”．

  • 如果权重=“imagenet”，则网络在ImageNet数据集上训练了权重。

  • 如果权重=“places365”，则网络在Places365数据集上训练权重。

  • 如果权重=“没有”，则返回未经训练的网络架构。

例子:“places365”

输出参数

全部折叠

预训练GoogLeNet卷积神经网络，返回为DAGNetwork对象。

未经训练的GoogLeNet卷积神经网络架构，返回为LayerGraph对象。

参考文献

[1]ImageNet．http://www.image-net.org

[2] Zhou, Bolei, Aditya Khosla, Agata Lapedriza, Antonio Torralba和Aude Oliva。“场所:用于深度场景理解的图像数据库。”arXiv预印本:1610.02055(2016)。

[3]的地方．http://places2.csail.mit.edu/

[4]塞格迪，克里斯蒂安，刘伟，贾扬青，皮埃尔·塞尔曼内，斯科特·里德，德拉戈米尔·安格洛夫，杜米特鲁·埃尔汉，文森特·范豪克和安德鲁·拉宾诺维奇。“更深入地研究卷积。”在IEEE计算机视觉和模式识别会议论文集，第1-9页。2015.

扩展功能

另请参阅

||||||||||||

主题

在R2017b中引入

深度学习工具箱文档

金宝app

用MATLAB介绍深度学习

用MATLAB介绍深度学习

下载电子书