ResNet-50卷积神经网络
ResNet-50是一个50层深的卷积神经网络。您可以从ImageNet数据库加载经过训练的网络的预训练版本,该网络训练的图像超过一百万张[1]. 预训练网络可以将图像分类为1000个对象类别,如键盘、鼠标、铅笔和许多动物。因此,该网络已经学习了广泛图像的丰富特征表示。该网络具有224×224的图像输入大小。MATLAB中更多的预训练网络®看见预训练深度神经网络.
你可以用分类
使用ResNet-50模型对新图像进行分类。按照利用GoogLeNet对图像进行分类并用ResNet-50替换GoogLeNet。
要在新的分类任务上重新训练网络,请执行的步骤训练深度学习网络对新图像进行分类并加载ResNet-50而不是GoogLeNet。
提示
要创建适合图像分类任务的未经训练的残差网络,请使用网虫
.
返回在ImageNet数据集上训练的ResNet-50网络。网
=resnet50
此函数需要深度学习工具箱™ 模型针对ResNet-50网络金宝app支持包。如果未安装此支持包,则该功能将提供下载链接。
返回在ImageNet数据集上训练的ResNet-50网络。此语法相当于网
=resnet50('权重',“imagenet”
)net=resnet50
.
返回未经培训的ResNet-50网络体系结构。未经培训的模型不需要支持包。金宝applgraph
=resnet50('权重',“没有”
)
[1]图像网. http://www.image-net.org
[2] 何开明、张向宇、任少清和孙健,《图像识别的深度剩余学习》,年IEEE计算机视觉和模式识别会议记录,第770-778页,2016年。