googlenet
GoogLeNet卷积神经网络
描述
GoogLeNet是一个卷积神经网络，有22层。您可以加载在ImageNet上训练的网络的预训练版本[1]或Places365[2][3]数据集。上训练ImageNet网络图像分类成1000个对象类别，如键盘，鼠标，笔，和许多动物。上训练Places365网络类似于上训练ImageNet网络，但对图像进行分类到365个不同的地方的类别，如场，公园，机场跑道，以及大厅。这些网络为各种图像的身上学习不同的特征表示。所述预训练网络都具有224逐224输入的图像的大小。对于MATLAB更多的预训练的网络®,请参阅预训练深层神经网络。
要使用GoogLeNet对新图像进行分类，请使用分类。例如，参见使用GoogLeNet对图像进行分类。
你可以通过转移学习重新训练GoogLeNet网络来执行一项新任务。在进行迁移学习时，最常见的方法是使用在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，那么使用在Places-365上训练的网络可以提供更高的准确率。有关如何在新的分类任务中对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
净= googlenet
此函数需要深度学习工具箱模型GoogLeNet网络万博1manbetx支持包。如果未安装此支持万博1manbetx包，则该函数提供下载链接。
lgraph= googlenet（ '权重'，“没有”)
例子
输入参数
输出参数
参考
[1]ImageNet。http://www.image-net.org
[2]周，波雷，Aditya Khosla, Agata Lapedriza, Antonio Torralba，和Aude Oliva。“地点:用于深入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] Szegedy，基督教，刘伟，杨清嘉，皮埃尔Sermanet，斯科特·里德，德拉戈米尔Anguelov先生，杜米特鲁埃尔汗，文森特Vanhoucke和安德鲁·拉比诺维奇。“要和回旋更深。”在在IEEE会议计算机视觉和模式识别程序，第1-9。2015年。
[5]BVLC GoogLeNet模型。https://github.com/BVLC/caffe/tree/master/models/bvlc_googlenet
扩展功能
另请参阅
DAGNetwork|alexnet|densenet201|inceptionresnetv2|inceptionv3|layerGraph|情节|resnet101|resnet18|resnet50|squeezenet|trainNetwork|vgg16|vgg19
