VGG-16卷积神经网络
VGG-16是一个卷积神经网络,深度为16层。您可以从ImageNet数据库中加载培训的网络培训的预磨损版本[1]。佩带的网络可以将图像分为1000个对象类别,例如键盘,鼠标,铅笔和许多动物。因此,该网络已经学习了丰富的图像的丰富特征表示。该网络具有224×224的图像输入大小。对于Matlab中的更多预用网络®, 看预训练的深度神经网络。
您可以使用分类
使用VGG-16网络对新图像进行分类。follow使用googlenet对图像进行分类并用VGG-16替换Googlenet。
要在新的分类任务上重新培训网络,请按照步骤操作培训深度学习网络以分类新图像并加载vgg-16而不是googlenet。
返回在ImageNet数据集上培训的VGG-16网络。网
= vgg16.
此功能需要深入学习工具箱™模型对于VGG-16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。
返回在ImageNet数据集上培训的VGG-16网络。此语法相当于网
= vgg16('权重','Imagenet'
)网= vgg16
。
返回未培训的VGG-16网络架构。未经培训的模型不需要支持包。金宝app层数
= vgg16('权重','没有任何'
)
[1]想象成。http://www.image-net.org.
[2] Russavsky,O.,Deng,J.,Su,H.等。“想象成大规模视觉认可挑战”。国际计算机愿景(IJCV)。第115卷,第3,2015,第211-252页
[3] Simonyan,Karen和Andrew Zisserman。“用于大规模图像识别的非常深的卷积网络。”arxiv预印迹arxiv:1409.1556(2014)。
[4]非常深的卷积网络,用于大规模视觉识别http://www.robots.ox.ac.uk/~vgg/research/very_deep/