Googlenet卷积神经网络
googlenet是一个卷积神经网络,深度为22层。您可以加载培训的网络上培训的预磨损版本[1]或地方365.[2][3]数据集。在Imagenet上培训的网络将图像分类为1000个对象类别,例如键盘,鼠标,铅笔和许多动物。在Place365上培训的网络与ImageNet培训的网络类似,但将图像分类为365个不同的地方类别,例如现场,公园,跑道和大厅。这些网络已经了解了各种图像的不同特征表示。预磨平的网络均具有224×224的图像输入大小。对于Matlab中的更多预用网络®, 看普里德深度神经网络。
使用googlenet对新图像进行分类,使用分类
。例如,看到使用googlenet对图像进行分类。
您可以重新启动Googlenet网络以使用传输学习执行新任务。在进行转移学习时,最常见的方法是使用预先预留的网络在想象集数据集上。如果新任务类似于分类场景,则使用在PLACE-365上培训的网络可以提供更高的精度。出于一个示例,显示如何在新的分类任务上删除googlenet,请参阅培训深度学习网络以分类新图像
返回在ImageNet数据集上培训的Googlenet网络。网
= googlenet.
此功能需要深度学习工具箱™模型对于Googlenet网络金宝app支持包。如果未安装此支持金宝app包,则该函数提供了下载链接。
返回未培训的Googlenet网络架构。未经培训的模型不需要支持包。金宝appLGRAPH.
= googlenet('权重','没有任何'
)
[1]想象成。http://www.image-net.org.
[2]周,Bolei,Aditya Khosla,Agata Lapedriza,Antonio Torralba和Aude Oliva。“地方:深度场景理解的图像数据库。”ARXIV预印符号:1610.02055(2016)。
[3]地点。http://places2.csail.mit.edu/
[4] Szegedy,Christian,Wei Liu,Yangqing Jia,Pierre Sermanet,斯科特芦苇,龙卷风犬,Dumitru Erhan,Vincent Vanhoucke和Andrew Rabinovich。“随着卷积更深。”在计算机愿景和模式识别的IEEE会议的诉讼程序,pp。1-9。2015年。
[5]BVLC Googlenet模型。https://github.com/bvlc/caffe/tree/master/models/bvlc_googlenet.
Dagnetwork.
|深网络设计师|densenet201.
|InceptionResNetv2.
|Inceptionv3.
|分层图
|阴谋
|Resnet101.
|resnet18
|resnet50.
|挤压
|Trainnetwork.
|vgg16.
|vgg19.