主要内容

darknet53

Darknet-53卷积神经网络

全页折叠

语法

net = DarkNet53.
网= darknet53(“权重”,“imagenet”)
lgraph = darknet53(“权重”,“没有一个”)

描述

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。

例子

净= darknet53返回一个用ImageNet数据集训练的DarkNet-53网络。

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。

净= darknet53(“权重”,'Imagenet')返回一个用ImageNet数据集训练的DarkNet-53网络。此语法相当于net = DarkNet53.。

lgraph= darknet53(“权重”,“没有”)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app

例子

全部折叠

下载并安装深度学习工具箱模型对于Darknet-53网络金宝app支持包。

类型darknet53在命令行。

darknet53

如果是深度学习工具箱模型对于Darknet-53网络金宝app不安装支持包，然后该函数提供了在附加资源管理器中的所需支持包的链接。要安装支持包，请单击“链接”，金宝app然后单击安装。通过键入检查安装是否成功darknet53在命令行。如果安装了所需的支持包，那么函数金宝app将返回DAGNetwork目的。

darknet53
[184×1 nnet.cnn.layer.Layer]连接:[206×2 table] InputNames: {'input'} OutputNames: {'output'}

您可以使用转移学习来重新培训网络以对新的图像进行分类。

打开示例培训深度学习网络以分类新图像。最初的例子使用了googleet预训练的网络。要使用不同的网络执行迁移学习，请加载您所需的预先训练过的网络，并遵循示例中的步骤。

加载暗网-53网络，而不是谷歌网络。

net = DarkNet53.

按照示例中的其余步骤重新培训您的网络。您必须用新的培训层替换网络中的最后一个可学习层和分类层。该示例向您展示了如何查找要替换的层。

输出参数

全部折叠

预训练的DarkNet-53卷积神经网络，返回为DAGNetwork目的。

未经训练的DarkNet-53卷积神经网络架构，作为一个返回LayerGraph目的。

参考资料

[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。

扩展功能

另请参阅

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

主题

介绍了R2020a

深度学习工具箱文档

金宝app

与Matlab引入深度学习

与Matlab引入深度学习

下载电子书