이 번역 페이지는 최신 내용을 담고 있지 않습니다. 최신 내용을 영문으로 보려면 여기를 클릭하십시오.
resnet18
ResNet-18 컨벌루션 신경망
설명
ResNet-18은 18개 계층으로 구성된 컨벌루션 신경망입니다. ImageNet 데이터베이스의 1백만 개가 넘는 영상에 대해 훈련된 신경망의 사전 훈련된 버전을 불러올 수 있습니다[1]. 사전 훈련된 신경망은 영상을 키보드, 마우스, 연필, 각종 동물 등 1,000가지 사물 범주로 분류할 수 있습니다. 그 결과 이 신경망은 다양한 영상을 대표하는 다양한 특징을 학습했습니다. 신경망의 영상 입력 크기는 224×224입니다. MATLAB®의 여타 훈련된 신경망에 대한 자세한 내용은사전 훈련된 심층 신경망항목을참조하십시오。
ResNet-18 모델을 사용하여classify
로 새 영상을 분류할 수 있습니다. GoogLeNet을 ResNet-18로 바꾸어서GoogLeNet을 사용하여 영상 분류하기항목의 단계를 수행하십시오.
새로운 분류 작업에서 신경망을 다시 훈련시키려면새로운 영상을 분류하도록 딥러닝 신경망 훈련시키기항목의 단계를 수행하고 GoogLeNet 대신 ResNet-18을 불러오십시오.
팁
영상 분류 작업에 적합한 훈련되지 않은 잔차 신경망을 만들려면resnetLayers
를 사용하십시오.
은 ImageNet 데이터 세트에서 훈련된 ResNet-18 신경망을 반환합니다.net
= resnet18
이 함수를 사용하려면 Deep Learning Toolbox™ Modelfor ResNet-18 Network지원 패키지가 필요합니다. 이 지원 패키지가 설치되어 있지 않으면 함수에서 다운로드 링크를 제공합니다.
은 ImageNet 데이터 세트에서 훈련된 ResNet-18 신경망을 반환합니다. 이 구문은net
= resnet18('Weights','imagenet'
)net = resnet18
과 동일합니다.
은 훈련되지 않은 ResNet-18 신경망 아키텍처를 반환합니다. 훈련되지 않은 모델에는 지원 패키지가 필요하지 않습니다.lgraph
= resnet18('Weights','none'
)
예제
출력 인수
참고 문헌
[1] ImageNet. http://www.image-net.org
[2] He, Kaiming, Xiangyu Zhang, Shaoqing Ren, and Jian Sun. "Deep residual learning for image recognition." InProceedings of the IEEE conference on computer vision and pattern recognition, pp. 770-778. 2016.