Inception-v3卷积神经网络
《盗梦空间》v3是一个深度48层的卷积神经网络。您可以在ImageNet数据库的100多万张图像上加载预先训练过的网络版本[1]。经过预先训练的网络可以将图像分为1000个对象类别,如键盘、鼠标、铅笔和许多动物。因此,该网络学习了丰富的特征表示范围广泛的图像。该网络的图像输入大小为299 × 299。用于MATLAB中更多的预训练网络®,请参阅预先训练的深度神经网络。
您可以使用分类
使用Inception-v3模型对新图像进行分类。遵循以下步骤使用GoogLeNet分类图像用Inception-v3替换GoogLeNet。
要重新训练网络进行新的分类任务,请遵循以下步骤训练深度学习网络对新图像进行分类并加载Inception-v3而不是GoogLeNet。
返回在ImageNet数据库上训练过的Inception-v3网络。净
= inceptionv3
该功能需要深度学习工具箱™模型Inception-v3网络万博1manbetx支持包。如果没有安装此支万博1manbetx持包,则该函数将提供下载链接。
返回在ImageNet数据库上训练过的Inception-v3网络。该语法等价于净
= inceptionv3(“权重”,“imagenet”
)网= inceptionv3
。
返回未经训练的Inception-v3网络架构。未经训练的模型不需要支持包。万博1manbetxlgraph
= inceptionv3(“权重”,“没有”
)
[1]ImageNet。http://www.image-net.org
[2] Szegedy, Christian, Vincent Vanhoucke, Sergey Ioffe, Jon Shlens和Zbigniew Wojna。“重新思考计算机视觉的初始架构。”在计算机视觉与模式识别会议论文集, 2818 - 2826页。2016.
DAGNetwork
|深层网络设计师|densenet201
|googlenet
|inceptionresnetv2
|layerGraph
|情节
|resnet18
|resnet50
|squeezenet
|trainNetwork
|vgg16
|vgg19