GoogLeNet卷积神经网络
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
返回一个在ImageNet数据集上训练的GoogLeNet网络。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。
返回未经训练的GoogLeNet网络架构。未受过训练的模式不要求支持包。万博1manbetxlgraph
= googlenet( '权重',“没有”
)
[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
DAGNetwork
|alexnet
|densenet201
|inceptionresnetv2
|inceptionv3
|layerGraph
|情节
|resnet101
|resnet18
|resnet50
|squeezenet
|trainNetwork
|vgg16
|vgg19