VGG-19卷积神经网络
VGG-19是一个深度为19层的卷积神经网络。您可以从ImageNet数据库中加载经过训练的网络的预训练版本,该版本包含了100多万张图像[1]。这个预先训练好的网络可以将图像分成1000个对象类别,比如键盘、鼠标、铅笔和许多动物。因此,该网络学会了丰富的特征表示,为广泛的图像。网络的图像输入大小为224×224。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VGG-19网络对新图像进行分类。遵循以下步骤使用GoogLeNet对图像进行分类用VGG-19替换GoogLeNet。
要对网络进行新的分类任务再培训,请遵循以下步骤训练深度学习网络对新图像进行分类加载VGG-19而不是GoogLeNet。
返回一个在ImageNet数据集上训练的VGG-19网络。净
= vgg19
此功能需要深度学习工具箱™模型VGG-19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。
返回一个在ImageNet数据集上训练的VGG-19网络净
= vgg19(“权重”,“imagenet”
)网= vgg19
。
返回未经训练的VGG-19网络架构。未经训练的模型不需要支持包。万博1manbetx层
= vgg19(“权重”,“没有”
)
[1]ImageNet。http://www.image-net.org
罗萨科夫斯基,O.,邓,J.,苏,H.,等,< ImageNet大规模视觉识别挑战>。国际计算机视觉杂志(IJCV)。第115卷,2015年第3期,第211-252页
[3] Simonyan, Karen和Andrew Zisserman。“用于大规模图像识别的深度卷积网络”,arXiv预印本arXiv:1409.1556(2014)。
[4]用于大规模视觉识别的深度卷积网络http://www.robots.ox.ac.uk/~vgg/research/very_deep/
alexnet
|deepDreamImage
|densenet201
|googlenet
|inceptionresnetv2
|resnet101
|resnet18
|resnet50
|squeezenet
|vgg16