分类图片使用预训练的网络

本例使用：

开立真实脚本

这个例子展示了如何使用预训练的深卷积神经网络GoogLeNet的图像进行分类。

GoogLeNet已经培训了超过一万张图片，并可以分类图像转换成1000点对象的类别（如键盘，咖啡杯，铅笔，和许多动物）。网络已经学会了丰富的功能表示为各种图像。网络拍摄图像作为输入，并且然后输出一个标签与概率为每个对象类别的图像一起的对象。

加载预训练GoogLeNet网络。您也可以选择加载图像分类的不同预训练网络。这一步需要深度学习工具箱™模式对于GoogLeNet网络万博1manbetx支持包。如果您没有安装必要的支持包做，那么该软件提供了下载链接。万博1manbetx

净= googlenet;

要分类必须有大小与网络的输入大小相同的图像。对于GoogLeNet，网络输入的大小是InputSize图像输入层的属性。

读取的图像要进行分类，并将其调整到网络的输入大小。此调整大小稍有改变图像的高宽比。

I = imread（“peppers.png”）;inputSize = net.Layers（1）.InputSize;I = imresize（I，inputSize（1：2））;

分类，并显示与所预测的标签图像。

标记=分类（净，I）;图imshow（I）的标题（字符串（标签））

用于显示如何也显示与他们的相关联的概率的顶部预测的更详细的例子，请参见分类影像使用GoogLeNet。

对于深度学习接下来的步骤，您可以使用其他任务预训练网络。解决与转让的学习或者特征提取图像数据的新的分类问题。举例来说，看到开始深度学习更快的使用迁移学习和火车量词使用功能提取从预训练网络。尝试其他预训练网络，看预训练深层神经网络。

Szegedy，基督教，刘伟，杨清嘉，皮埃尔Sermanet，斯科特·里德，德拉戈米尔Anguelov先生，杜米特鲁埃尔汗，文森特Vanhoucke和安德鲁·拉比诺维奇。“要和回旋更深。”在在IEEE会议计算机视觉和模式识别程序，第1-9。2015年。
BVLC GoogLeNet型号。https://github.com/BVLC/caffe/tree/master/models/bvlc_googlenet

也可以看看