VGG-16卷积神经网络
VGG-16是一个16层的卷积神经网络。您可以从ImageNet数据库中加载经过100多万张图像训练的网络的预训练版本[1].预训练的网络可以将图像分类为1000个对象类别,例如键盘、鼠标、铅笔和许多动物。因此,该网络已经学习了广泛图像的丰富特征表示。该网络的图像输入大小为224 * 224。用于MATLAB中更多的预训练网络®,请参阅预训练的深度神经网络.
你可以使用分类
使用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训练网络,请遵循训练深度学习网络对新图像进行分类加载vg -16而不是GoogLeNet。
返回一个经过ImageNet数据集训练的vg -16网络。网
= vgg16
此功能需要深度学习工具箱™模型用于VGG-16网络金宝app支持包。如果没有安装此支金宝app持包,则该函数将提供下载链接。
返回一个经过ImageNet数据集训练的vg -16网络。这个语法等价于网
= vgg16(“权重”,“imagenet”
)Net = vgg16
.
返回未经训练的VGG-16网络架构。未经训练的模型不需要支持包。金宝app层
= vgg16(“权重”,“没有”
)
[1]ImageNet.http://www.image-net.org
[2] Russakovsky, O., Deng, J., Su, H.等。“ImageNet大规模视觉识别挑战。”国际计算机视觉杂志(IJCV).115卷,第3期,2015年,第211-252页
Simonyan, Karen, Andrew Zisserman。“用于大规模图像识别的非常深度卷积网络”arXiv预印本arXiv:1409.1556(2014)。
[4]用于大规模视觉识别的超深度卷积网络http://www.robots.ox.ac.uk/~vgg/research/very_deep/
深度网络设计器|alexnet
|vgg19
|googlenet
|densenet201
|resnet18
|resnet50
|resnet101
|inceptionresnetv2
|squeezenet