深度学习

预训练深度学习模型

利用深度学习研究社区开发的模型体系结构。流行的模型提供了健壮的体系结构,并跳过了从头开始的需要。

选择模型的技巧

有许多预训练模型可供选择,每种模型都有权衡:

  • 大小:模型需要多少内存
    模型的最终位置将决定需要考虑的网络规模。
    选择部署到内存不足的系统时,请选择专门为此任务设计的型号。
    请参阅边缘部署模型
  • 准确性:模型在再培训前表现如何
    通常,对于ImageNet数据集表现良好的模型表明,该模型已经学习了信息特性,并且可以在新的类似任务中表现良好。
    探索更高精度的模型
  • 预测速度:模型对新图像的预测速度
    虽然预测速度可能会因许多因素(如硬件和批量大小)而变化,但速度也会因所选模型的体系结构和模型的大小而变化。
    将预测速度与开始使用的简单模型.

在下面的部分中探索模型之间的权衡。

将任意模型导入MATLAB,其结构为:

>> net =网络名

>>net=alexnet>>net=resnet50

如果模型尚未下载,将提供一个链接以在MATLAB中下载模型。

开始使用的简单模型

您可以在这些模型上快速迭代,并尝试不同的设置,如数据预处理步骤和训练选项。一旦你感觉哪种设置比较好,尝试一个更精确的网络,看看它是否能提高你的效果。

高精度模型

探索对基于图像的工作流非常有效的模型,例如图像分类、对象检测和语义分割。

对于对象检测工作流:

DurkNET-19、DelkNET-53和ReNET-50经常被用作对象检测问题和YOLO工作流的基础。请参见有关使用的对象检测的示例约洛夫2约洛夫3.

对于语义分割工作流程:

使用任何预定义的网络体系结构都为训练语义分段网络提供了一个方便的起点。这些是语义分段问题常用的层体系结构:

  • segnetLayers
  • 无误者
  • 未经批准的律师
  • 深海实验室v3+

参见使用Deeplab v3+创建语义分割网络的更多内容在这里.

不支万博1manbetx持的层?

了解如何导入预先训练的Keras层,并将不支持的层替换为自定义层。万博1manbetx

MATLAB中可用模型的完整列表

新的深度学习模型和例子