ResNet-101卷积神经网络
ResNet-101是一个深度为101层的卷积神经网络。您可以从ImageNet数据库中加载经过训练的网络的预训练版本,该版本包含了100多万张图像[1]。这个预先训练好的网络可以将图像分成1000个对象类别,比如键盘、鼠标、铅笔和许多动物。因此,该网络学会了丰富的特征表示,为广泛的图像。网络的图像输入大小为224×224。用于MATLAB中更多的预训练网络®,请参阅预先训练的深度神经网络。
您可以使用分类
使用ResNet-101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ResNet-101取代GoogLeNet。
要对网络进行新的分类任务再培训,请遵循以下步骤训练深度学习网络对新图像进行分类载入ResNet-101而不是GoogLeNet。
返回一个针对ImageNet数据集训练的ResNet-101网络。净
= resnet101
此函数需要深度学习工具箱™模型resnet - 101网络金宝app支持包。如果未安装此支持金宝app包,则该函数提供下载链接。
返回一个在ImageNet数据集上训练的ResNet-101网络净
= resnet101(“权重”,“imagenet”
)网= resnet101
。
返回未经训练的ResNet-101网络体系结构。未经训练的模型不需要支持包。金宝applgraph
= resnet101(“权重”,“没有”
)
[1]ImageNet。http://www.image-net.org
何,开明,张向宇,任少卿,孙健。“用于图像识别的深度剩余学习”。InIEEE计算机视觉和模式识别会议记录,770 - 778页。2016.
DAGNetwork
|alexnet
|densenet201
|googlenet
|inceptionresnetv2
|inceptionv3
|layerGraph
|情节
|resnet18
|resnet50
|squeezenet
|trainNetwork
|vgg16
|vgg19