ResNet-18卷积神经网络
ResNet-18是一个深度为18层的卷积神经网络。您可以加载一个预先训练过的网络版本,该版本对来自ImageNet数据库的100多万张图像进行了训练[1]。经过训练的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,该网络为广泛的图像学习了丰富的特征表示。该网络的图像输入尺寸为224 * 224。更多的预训练网络在MATLAB®,请参阅普里德深度神经网络。
您可以使用分类
使用ResNet-18模型对新图像进行分类。遵循以下步骤使用谷歌网分类图像用ResNet-18取代googleet。
按照以下步骤对网络进行重新训练,完成新的分类任务训练深度学习网络分类新图像并加载ResNet-18而不是GoogLeNet。
返回一个经过ImageNet数据集训练的ResNet-18网络。网
= Resnet18.
此功能需要深度学习工具箱™模型ResNet-18网络万博1manbetx支持包。如果没有安装此支万博1manbetx持包,则该函数提供一个下载链接。
返回一个经过ImageNet数据集训练的ResNet-18网络。这个语法等价于网
= resnet18(“权重”,“imagenet”
)网= resnet18
。
返回未经训练的ResNet-18网络架构。未经训练的模型不需要支持包。万博1manbetxlgraph
= resnet18(“权重”,“没有”
)
[1]ImageNet。http://www.image-net.org
何凯明,张向宇,任少清,孙健。“用于图像识别的深度剩余学习。”在计算机视觉与模式识别IEEE会议论文集,pp.770-778。2016年。
DAGNetwork
|AlexNet.
|densenet201
|googlenet
|InceptionResNetv2.
|分层图
|情节
|resnet101
|resnet50
|squeezenet
|trainNetwork
|vgg16
|vgg19