最新のリリースでは，このページがまだ翻訳されていません。このページの最新版は英语でご覧になれます。
googlenet
事前学习済みGoogLeNet畳み込みニューラルネットワーク
说明
GoogLeNetは，深さが22层の事前学习済みの畳み込みニューラルネットワークです.ImageNet[1]データセットまたはPlaces365[2][3]データセットのいずれかで学习させたネットワークを読み込むことができます.ImageNetで学习させたネットワークは，イメージを1000个のオブジェクトカテゴリ（キーボード，マウス，铅笔，多くの动物など）に分类します.Places365で学习させたネットワークはImageNetで学习させたネットワークと似ていますが，イメージを365个の异なる场所カテゴリ（野原，公园，滑走路，ロビーなど）に分类します。これらのネットワークは広范囲にわたるイメージについてのさまざまな特徴表现を学习しています。どちらのネットワークもイメージ入力サイズは224 X 224です.MATLAB®の他の事前学习済みのネットワークについては，事前学习済みの深层ニューラルネットワークを参照してください。
GoogLeNetを使用して新しいイメージを分类するには，分类を使用します。例については，GoogLeNetを使用したイメージの分类を参照してください。
GoogLeNetネットワークの再学习を行って，転移学习を使用して新しいタスクを実行できます。転移学习を実行する场合，最も一般的な方法は，ImageNetデータセットで事前学习させたネットワークを使用することです。新しいタスクがシーンの分类に似ている场合は，商家-365で学习させたネットワークを使用すると精度を向上できることがあります。新しい分类タスクでGoogLeNetの再学习を行う方法を示す例については，新しいイメージを分类するための深层学习ネットワークの学习を参照してください。
净= googlenet
この关数には，深度学习工具箱™模式对于GoogLeNet网络サポートパッケージが必要です。このサポートパッケージがインストールされていない场合，关数によってダウンロード用リンクが表示されます。
例
入力引数
出力引数
参照
[1] ImageNet。http://www.image-net.org
[2]周，博雷，阿迪亚斯拉，阿形Lapedriza，安东尼奥托拉尔瓦，和奥德奥利瓦。“Places：一个图像数据库进行深场景的理解。”预印本的arXiv的arXiv：1610.02055（2016）。
[3]邻居。http://places2.csail.mit.edu/
Szegedy, Christian, Wei Liu, Yangqing Jia, Pierre Sermanet, Scott Reed, Dragomir Anguelov, Dumitru Erhan, Vincent Vanhoucke, and Andrew Rabinovich。“用卷积做得更深。”In在IEEE会议计算机视觉和模式识别程序1 - 9页。2015.
[5] BVLC GoogLeNet模型。https://github.com/BVLC/caffe/tree/master/models/bvlc_googlenet
拡张机能
参考
DAGNetwork|alexnet|densenet201|inceptionresnetv2|inceptionv3|layerGraph|情节|resnet101|resnet18|resnet50|squeezenet|trainNetwork|vgg16|vgg19
R2017bで导入
您还可以选择从下面的列表中的网站：
