卷积神经网络
GoogLeNet是一个有22层深度的卷积神经网络。您可以在任意一个ImageNet上加载经过训练的网络的预训练版本[1]或Places365[2][3]数据集。在ImageNet上训练的网络将图像分为1000个对象类别,如键盘、鼠标、铅笔和许多动物。在Places365上训练的网络与在ImageNet上训练的网络类似,但将图像分为365个不同的场所类别,如场地、公园、跑道和大厅。这些网络已经学习了各种图像的不同特征表示。预训练网络的图像输入大小均为224×224。对于MATLAB中的更多预训练网络®,请参阅预训练深度神经网络.
使用GoogLeNet对新图像进行分类,请使用分类
.例如,请参见利用GoogLeNet对图像进行分类.
你可以使用迁移学习对GoogLeNet网络进行再培训,以完成一项新任务。在进行迁移学习时,最常用的方法是使用ImageNet数据集上预先训练的网络。如果新任务类似于对场景进行分类,那么使用Places-365训练的网络可以获得更高的准确率。有关如何在新的分类任务上对GoogLeNet进行再培训的示例,请参见训练深度学习网络对新图像进行分类
返回在ImageNet数据集上训练的GoogLeNet网络。网
= googlenet
该功能需要深度学习工具箱™模型GoogLeNet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。
返回未经培训的GoogLeNet网络体系结构。未经培训的模型不需要支持包。金宝applgraph
=googlenet(‘重量’,“没有”
)
[1]ImageNet. http://www.image-net.org
[2] Zhou, Bolei, Aditya Khosla, Agata Lapedriza, Antonio Torralba和Aude Oliva。“地点:用于深度场景理解的图像数据库。”arXiv预印本arXiv: 1610.02055(2016).
[3]的地方.http://places2.csail.mit.edu/
[4] 塞格迪、克里斯蒂安、刘伟、贾杨青、皮埃尔·塞尔马内、斯科特·里德、德拉戈米尔·安格洛夫、杜米特鲁·二汉、文森特·范霍克和安德鲁·拉比诺维奇,《用卷积深入》,摘自IEEE计算机视觉和模式识别会议记录,第1-9页,2015年。
[5]BVLC GoogLeNet模型.https://github.com/BVLC/caffe/tree/master/models/bvlc_googlenet
深度网络设计器|vgg16
|vgg19
|resnet18
|resnet50
|resnet101
|densenet201
|接收resnetv2
|squeezenet
|trainNetwork
|分层图
|inceptionv3
|DAGNetwork