文档

vgg19

预训练VGG-19卷积神经网络

折叠页面

语法

Net = vgg19

描述

例子

网= vgg19返回一个预训练的VGG-19模型。该模型是在ImageNet数据库的一个子集上训练的[1]，用于ImageNet大规模视觉识别挑战(ILSVRC)。［2］．VGG-19在100多万张图像上进行了训练，可以将图像分为1000个对象类别。例如，键盘、鼠标、铅笔和许多动物。因此，该模型学习了大量图像的丰富特征表示。

此功能需要神经网络工具箱™模型用于VGG-19网络金宝app支持包。如果未安装此支持金宝app包，则该函数提供下载链接。

例子

全部折叠

这个例子展示了如何下载和安装神经网络工具箱模型用于VGG-19网络金宝app支持包。

类型vgg19在命令行。

vgg19

如果神经网络工具箱模型用于VGG-19网络金宝app如果未安装支持包，则该函数会在附加组件资源管理器中提供所需支持包的链接。如果需要安装支持包，请单击链接金宝app，然后单击安装．通过键入检查安装是否成功vgg19在命令行。

vgg19
ans = SeriesNetwork with properties: Layers: [47×1 nnet.cnn.layer.Layer]
打开脚本

加载预训练的VGG-19卷积神经网络并检查层和类。

使用vgg19加载预训练的VGG-19网络输出网是一个SeriesNetwork对象。

Net = vgg19
net = SeriesNetwork with properties: Layers: [47×1 nnet.cnn.layer.Layer]

查看网络架构层财产。该网络有47层。有19层具有可学习的权重:16个卷积层和3个完全连接层。

网层
ans = 47x1层数组:224 x224x3输入的图像输入图像2”zerocenter“正常化”conv1_1卷积64子集要旋转步[1]和填充[1]3‘relu1_1 ReLU ReLU 4 conv1_2卷积64 3 x3x64旋转步[1]和填充[1]5‘relu1_2 ReLU ReLU 6“pool1”马克斯池2 x2马克斯池步(2 - 2)和填充[0 0]7 conv2_1卷积128 3 x3x64旋转步[1]和填充[1]8 ' relu2_1 ReLU ReLU 9 x3x128 conv2_2卷积128 3旋转步[1]和填充[1]10“relu2_2”ReLU ReLU 11“pool2”马克斯池2 x2马克斯池步(2 - 2)和填充[0 0]12 conv3_1卷积256 3 x3x128旋转步[1]和填充[1]13的relu3_1 ReLU ReLU 14 conv3_2卷积256 3 x3x256旋转步[1]和填充[1]15 ' relu3_2 ReLU ReLU 16 conv3_3卷积256 3 x3x256旋转步[1]和填充[1]17‘relu3_3 ReLU ReLU 18 conv3_4卷积256 3 x3x256旋转步[1]和填充[1]19 ' relu3_4 ReLU ReLU 20“pool3”马克斯池2 x2马克斯池步(2 - 2)和填充[0 0]21 conv4_1卷积512 3 x3x256旋转步[1]和填充[1]22的relu4_1 ReLU ReLU 23 conv4_2卷积512 3 x3x512旋转步[1]和填充[1]24的relu4_2 ReLU ReLU 25 conv4_3卷积512 3 x3x512旋转步[1]和填充[1]26 ' relu4_3 ReLU ReLU 27“conv4_4”卷积512 3 x3x512旋转步[1]和填充[1]28的relu4_4 ReLU ReLU 29“pool4”马克斯池2 x2马克斯池步(2 - 2)和填充[0 0]30 conv5_1卷积512 3 x3x512旋转步[1]和填充[1]31的relu5_1 ReLU ReLU 32 conv5_2卷积512 3 x3x512旋转步[1]和填充[1]33 ' relu5_2 ReLU ReLU 34 conv5_3卷积512 3 x3x512旋转步[1]和填充[1]35 ' relu5_3 ReLU ReLU 36'conv5_4' Convolution 512 3x3x512 convolutions with stride [1 1] and padding [1 1] 37 'relu5_4' ReLU ReLU 38 'pool5' Max Pooling 2x2 max pooling with stride [2 2] and padding [0 0] 39 'fc6' Fully Connected 4096 fully connected layer 40 'relu6' ReLU ReLU 41 'drop6' Dropout 50% dropout 42 'fc7' Fully Connected 4096 fully connected layer 43 'relu7' ReLU ReLU 44 'drop7' Dropout 50% dropout 45 'fc8' Fully Connected 1000 fully connected layer 46 'prob' Softmax softmax 47 'output' Classification Output crossentropyex with 'tench', 'goldfish', and 998 other classes

要查看网络学习到的类的名称，可以查看一会分类输出层(最后一层)的属性。通过指定前10个元素来查看前10个类。

net.Layers(结束).ClassNames (1:10)
Ans = 10×1细胞阵列“tench”“金鱼”“大白鲨”“虎鲨”“锤头鲨”“电鳐”“黄貂鱼”“公鸡”“母鸡”“鸵鸟”

输出参数

全部折叠

预训练的VGG-19卷积神经网络返回SeriesNetwork对象。

参考文献

[1]ImageNet．http://www.image-net.org

[10]刘建军，刘建军，刘建军，等。“ImageNet大规模视觉识别挑战赛”国际计算机视觉杂志(IJCV)．第115卷，第3期，2015年，第211-252页

[3]西蒙尼安，凯伦和安德鲁·齐瑟曼。“用于大规模图像识别的深度卷积网络”，arXiv预印本arXiv:1409.1556(2014)。

[4]用于大规模视觉识别的深度卷积网络http://www.robots.ox.ac.uk/~vgg/research/very_deep/

另请参阅

||||

主题

在R2017a中引入

这个话题有帮助吗?
神经网络工具箱文档
其他文档
金宝app

试用MATLAB、Sim金宝appulink和其他产品下载188bet金宝搏

现在开始试用