Darknet-53卷积神经网络
DarkNet-53是一个深度为53层的卷积神经网络。您可以从ImageNet数据库中加载一个经过训练的网络的预训练版本[1]。预先训练的网络可以将图像分类为1000个对象类别,如键盘、鼠标、铅笔和许多动物。结果,该网络已经学习到丰富的特征表示,为广泛的图像。该网络的图像输入大小为256 × 256。更多的预训练网络在MATLAB®,请参阅普里德深度神经网络。
您可以使用分类
使用DarkNet-53模型对新图像进行分类。遵循以下步骤使用googlenet对图像进行分类用DarkNet-53取代google网。
要在新的分类任务上重新训练网络,请遵循以下步骤培训深度学习网络以分类新图像并加载DarkNet-53而不是Googlenet。
DarkNet-53经常被用作对象检测问题和YOLO工作流程的基础[2]。有关如何训练“只看一次”(YOLO) v2对象检测器的示例,请参见使用YOLO v2深度学习进行目标检测。此示例使用Reset-50进行功能提取。您还可以根据应用要求使用其他预用网络,例如DarkNet-19,Darknet-53,MobileNet-V2或Reset-18。
返回一个用ImageNet数据集训练的DarkNet-53网络。净
= darknet53
这个功能需要深度学习工具箱™模型对于Darknet-53网络金宝app支持包。如果没有安装这个金宝app支持包,那么这个函数会提供一个下载链接。
返回一个用ImageNet数据集训练的DarkNet-53网络。此语法相当于净
= darknet53(“权重”,'Imagenet'
)net = DarkNet53.
。
返回未经训练的暗网-53网络架构。未经训练的模型不需要支持包。金宝applgraph
= darknet53(“权重”,“没有”
)
[1]ImageNet。http://www.image-net.org.
[2] Redmon,约瑟夫。“暗网:c语言的开源神经网络”https://pjreddie.com/darknet。
DAGNetwork
|darknet19
|densenet201
|googlenet
|InceptionResNetv2.
|分层图
|nasnetlarge
|nasnetmobile
|情节
|resnet101
|resnet50.
|squeezenet
|trainNetwork
|vgg16
|vgg19