高效 - B0卷积神经网络
EppositionalNet-B0是一种卷积神经网络,可从ImageNet数据库中培训超过一百万个图像[1]。网络可以将图像分类为1000个对象类别,例如键盘,鼠标,铅笔和许多动物。因此,该网络已经学习了丰富的图像的丰富特征表示。该网络具有224×224的图像输入大小。对于Matlab中的更多预用网络®, 看普里德深度神经网络。
您可以使用分类
使用有效的网络B0型号对新图像进行分类。follow使用googlenet对图像进行分类并用效率替换Googlenet - B0。
要在新的分类任务上重新培训网络,请按照步骤操作培训深度学习网络以分类新图像并加载效率网络-B0而不是Googlenet。
返回在ImageNet数据集上培训的高效网络模型网络。网
=有效网络
此功能需要深度学习工具箱™模型用于高效网络B0网络万博1manbetx支持包。如果未安装此支持万博1manbetx包,则该函数提供了下载链接。
返回在ImageNet数据集上培训的高效网络模型网络。此语法相当于网
=有效网络('权重','Imagenet'
)net = enuginaletnetb0.
。
返回未培训的EpportalNet-B0模型网络架构。未经培训的模型不需要支持包。万博1manbetxLGRAPH.
=有效网络('权重','没有任何'
)
[1]想象成。http://www.image-net.org.
[2] MingXing Tan和Quoc V.Le,“效率网:卷积神经网络的重新思考模型缩放”ARXIV预印亚克日期:1905.1194,2019年。
Dagnetwork.
|深网络设计师|densenet201.
|googlenet.
|InceptionResNetv2.
|Inceptionv3.
|分层图
|阴谋
|resnet18
|resnet50
|挤压
|Trainnetwork.
|vgg16.
|vgg19.