GoogLeNet卷积神经网络
GoogLeNet是卷积神经网络是深22层。您可以加载的培训上无论是ImageNet网络的预训练版本[一]或Places365[2][3]数据集。在ImageNet上训练的网络将图像分成1000个对象类别,如键盘、鼠标、铅笔和许多动物。在Places365上训练的网络类似于在ImageNet上训练的网络,但将图像分为365个不同的位置类别,例如场、公园、跑道和大厅。这些网络已经学习了各种图像的不同特征表示。预训练网络的图像输入大小均为224×224。在MATLAB中使用更多的预训练网络®见预训练深层神经网络。
分类使用GoogLeNet,使用新的图像分类
。对于一个示例,请参见分类影像使用GoogLeNet。
你能锻炼一个GoogLeNet网络使用传输学习来执行新的任务。当执行迁移学习,最常见的方法是使用预训练的ImageNet数据集的网络。如果新任务类似于分类的场景,然后用训练有素的网络邻居-365可以提供精度更高。有关说明如何再培训GoogLeNet一个新的分类任务示例,请参阅训练深度学习网络对新图像进行分类
返回训练有素的ImageNet数据集的GoogLeNet网络。网
= googlenet
此功能需要深度学习工具箱™模式对于GoogLeNet网络万博1manbetx支持包。如果未安装此支持万博1manbetx包,则该功能提供了下载链接。
返回未经训练的GoogLeNet网络架构。未经培训的模型不需要支持包。万博1manbetxlgraph
=googlenet('重量','没有'
)
[一]ImageNet. http://www.image-net.org
[2]周,博雷,阿迪亚斯拉,阿形Lapedriza,安东尼奥托拉尔瓦,和奥德奥利瓦。“Places:一个图像数据库进行深场景的理解。”预印本的arXiv的arXiv:1610.02055(2016年)。
[3]地方。http://places2.csail.mit.edu/
[4] 斯泽吉、克里斯蒂安、刘炜、贾扬庆、皮埃尔·塞尔马内特、斯科特·里德、德拉戈米尔·安圭洛夫、杜米特鲁·二罕、文森特·万霍克和安德鲁·拉比诺维奇。”随着卷积的加深IEEE计算机视觉与模式识别会议纪要,第1-9页。2015年。
[5]BVLC GoogLeNet型号。https://github.com/BVLC/caffe/tree/master/models/bvlc_googlenet
DAGNetwork
|亚历克斯内特
|densenet201
|接收resnetv2
|inceptionv3
|分层图
|情节
|resnet101
|resnet18
|resnet50号
|squeezenet
|trainNetwork
|vgg16
|vgg19