用于图像分类的挤压预处理模型是R2020A中深度学习工具箱的一部分,不需要单独的安装。如果您使用的是R2020A版本的深度学习工具箱,则可以在命令行中键入“ Squeezenet”,也可以直接访问模型,而无需从Deep Network Designer应用程序中安装。
如果您使用R2018A至R2019B,则需要下载并安装此支持包。万博1manbetx
Squeezenet是一个验证的模型,已在Imagenet数据库的子集上进行了训练。该模型经过超过一百万张图像的培训,可以将图像分类为1000个对象类别(例如键盘,鼠标,铅笔和许多动物)。
从操作系统或MATLAB内部打开Squeezenet.mlpkginstall文件,将启动您拥有的版本的安装过程。
该mlpkginstall文件适用于R2018A及以后的文件。
用法示例:
net = squeezenet()
net.layers
情节
%阅读图像进行分类
i = imread('peppers.png');
%裁剪图像到网络的输入大小
sz = net.layers(1).inputsize
i = i(100:sz(1)+99,100:sz(2)+99,1:sz(3));
%使用Squeezenet对图像进行分类
标签=分类(net,i)
%显示图像和分类结果
数字
imshow(i)
文本(10,20,char(标签),“颜色”,“白色”)
matlab릴리스호환정보
개발:R2018A
R2018A에서r2019b까지까지호환호환호환