incep -v3卷积神经网络
创建以来-v3是卷积神经网络,其深48层。您可以从ImageNet数据库加载培训了超过一万张图片的网络的预训练版本[1]。所述预训练网络可以将影像分为1000个对象类别,如键盘,鼠标,笔,和许多动物。其结果是,在网络了解到丰富的功能表示为各种图像。该网络具有的299逐299输入的图像的大小。对于MATLAB更多的预训练的网络®见预先训练的深度神经网络。
您可以使用分类
使用盗梦空间-V3型号分类新形象。遵循以下步骤:分类影像使用GoogLeNet将GoogLeNet替换为incepepv3。
再培训上一个新的分类任务的网络,请按照下列步骤火车深学习网络分类新形象并装载盗梦空间-V3,而不是GoogLeNet。
返回一个盗梦空间-v3网络训练ImageNet数据库。净
= inceptionv3
此功能需要深度学习工具箱™模式对于启-V3网络金宝app支持包。如果未安装此支持金宝app包,则该功能提供了下载链接。
返回一个盗梦空间-v3网络训练ImageNet数据库。此语法等效于净
= inceptionv3(“权重”,'imagenet'
)净= inceptionv3
。
返回未经训练的v3网络架构。未经训练的模型不需要支持包。金宝applgraph
= inceptionv3(“权重”,'没有'
)
[1]ImageNet。http://www.image-net.org
[2] Szegedy,基督教,文森特Vanhoucke,塞吉约费,乔恩Shlens,和兹比格涅夫Wojna。“重新思考计算机视觉以来的架构。”在计算机视觉和模式识别的IEEE会议论文集,第2818至2826年。2016年
DAGNetwork
|alexnet
|densenet201
|googlenet
|inceptionresnetv2
|layerGraph
|情节
|resnet18
|resnet50
|squeezenet
|trainNetwork
|vgg16
|vgg19