使用Pretrained网络分类图像
这个例子展示了如何使用的分类图像卷积神经网络GoogLeNet pretrained深。
GoogLeNet已经在超过一百万个图像和训练可以分类图像到1000年对象类别(如键盘、咖啡杯、铅笔,和许多动物)。网络已经学会丰富广泛的图像特征表示。网络需要一个图像作为输入,然后输出图像中对象的标签一起为每个对象的类别的概率。
负载Pretrained网络
加载pretrained GoogLeNet网络。你也可以选择加载不同的pretrained网络图像分类。这一步需要深度学习工具箱™模型GoogLeNet网络金宝app支持包。如果你没有安装所需的支持包,然后软件提供一个下载链接。金宝app
网= googlenet;
阅读和调整图像
你要分类的图像必须有相同的大小作为输入网络的大小。GoogLeNet网络输入大小InputSize图像的属性输入层。
读到你想要的图片进行分类并调整输入网络的大小。这稍微调整图像的纵横比变化。
我= imread (“peppers.png”);inputSize = net.Layers (1) .InputSize;我= imresize(我inputSize (1:2));
分类和显示图像
分类与预测显示图像标签。
标签=分类(净,我);图imshow(我)标题(string(标签)
更详细的例子显示如何也显示顶部与它们相关的概率预测,明白了分类图像使用GoogLeNet。
下一步的深入学习,您可以使用pretrained网络其他任务。解决新分类问题在你的图像数据传输学习或特征提取。有关示例,请参见开始使用转移学习深度学习更快和火车从Pretrained网络分类器使用的特性。尝试其他pretrained网络,看到的Pretrained深层神经网络。
引用
Szegedy,基督徒,魏Liu Yangqing贾,皮埃尔•Sermanet斯科特•里德Dragomir Anguelov, Dumitru Erhan,文森特Vanhoucke和安德鲁·拉比诺维奇。“更深的曲线玲珑。”In《IEEE计算机视觉与模式识别会议1 - 9页。2015年。
BVLC GoogLeNet模型。https://github.com/BVLC/caffe/tree/master/models/bvlc_googlenet
