resnet50
ResNet-50卷积神经网络
描述
ResNet-50卷积神经网络是50层深。你可以加载一个pretrained版本的神经网络训练图像从ImageNet数据库超过一百万[1]。pretrained神经网络可以分类图像到1000年对象类别,如键盘,鼠标,铅笔,和许多动物。因此,神经网络具有学习丰富广泛的图像特征表示。神经网络具有一个图像输入的大小224 - 224。更多pretrained在MATLAB神经网络®,请参阅Pretrained深层神经网络。
您可以使用分类
对新图像使用ResNet-50模型进行分类。遵循的步骤分类图像使用GoogLeNet和替换GoogLeNet ResNet-50。
再培训的神经网络新分类任务,遵循的步骤火车深入学习网络对新图像进行分类和负载ResNet-50代替GoogLeNet。
提示
创建一个未经训练的残余神经网络适合图像分类任务,使用resnetLayers
。
返回一个在ImageNet ResNet-50神经网络训练数据集。净
= resnet50
这个函数需要深度学习工具箱™模型ResNet-50网络金宝app支持包。如果这种支持包没金宝app有安装,那么函数提供一个下载链接。
返回一个在ImageNet ResNet-50神经网络训练数据集。这相当于语法净
= resnet50(“权重”,“imagenet”
)网= resnet50
。
返回未经训练的ResNet-50神经网络架构。未经训练的模型不需要支持包。金宝applgraph
= resnet50(“权重”,“没有”
)
例子
输出参数
引用
[1]ImageNet。http://www.image-net.org
[2]他开明、象屿张任Shaoqing,剑太阳。“深层残留图像识别的学习。”In《IEEE计算机视觉与模式识别会议,770 - 778页。2016年。
扩展功能
版本历史
介绍了R2017b