VGG-16卷积神经网络
VGG-16是一个有16层深度的卷积神经网络。您可以在ImageNet数据库的100多万张图像上加载预先训练过的网络版本[1].经过预先训练的网络可以将图像分为1000个对象类别,如键盘、鼠标、铅笔和许多动物。因此,该网络学习了丰富的特征表示范围广泛的图像。该网络的图像输入尺寸为224 × 224。用于MATLAB中更多的预训练网络®, 看预先训练的深度神经网络.
您可以使用分类
利用VGG-16网络对新图像进行分类。遵循以下步骤使用GoogLeNet分类图像用VGG-16取代GoogLeNet。
要在新的分类任务上重新培训网络,请按照步骤操作训练深度学习网络对新图像进行分类并加载vgg-16而不是googlenet。
返回在ImageNet数据集上培训的VGG-16网络。净
= 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。此语法相当于净
= 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]用于大规模视觉识别的深度卷积网络http://www.robots.ox.ac.uk/~vgg/research/very_deep/
深层网络设计师|alexnet
|vgg19.
|googlenet.
|densenet201.
|resnet18
|resnet50
|Resnet101.
|inceptionresnetv2
|挤压