DarkNet-53卷积神经网络
DarkNet-53是一个有53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256 × 256。用于MATLAB中更多的预训练网络®,请参阅预先训练的深度神经网络.
您可以使用分类
使用DarkNet-53模型对新图像进行分类。遵循以下步骤使用GoogLeNet分类图像用DarkNet-53取代GoogLeNet。
要重新训练网络进行新的分类任务,请遵循以下步骤训练深度学习网络对新图像进行分类加载DarkNet-53而不是GoogLeNet。
DarkNet-53经常被用作对象检测问题和YOLO工作流程的基础[2].有关如何训练只看一次(YOLO) v2对象检测器的示例,请参见使用YOLO v2进行对象检测.本例使用ResNet-50进行特征提取。您也可以使用其他预先训练过的网络,如DarkNet-19、DarkNet-53、MobileNet-v2或ResNet-18,这取决于应用程序的需求。
返回经过ImageNet数据集训练的DarkNet-53网络。净
= darknet53
该功能需要深度学习工具箱™模型DarkNet-53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。
返回经过ImageNet数据集训练的DarkNet-53网络。该语法等价于净
= darknet53(“权重”,“imagenet”
)网= darknet53
.
返回未经训练的DarkNet-53网络架构。未经训练的模型不需要支持包。金宝applgraph
= darknet53(“权重”,“没有”
)
[1]ImageNet.http://www.image-net.org
[2] Redmon,约瑟夫。《暗网:c语言的开源神经网络》https://pjreddie.com/darknet。
深层网络设计师|vgg16
|vgg19
|googlenet
|darknet19
|trainNetwork
|DAGNetwork
|layerGraph
|resnet50
|resnet101
|inceptionresnetv2
|squeezenet
|densenet201
|nasnetmobile
|nasnetlarge