预追溯深入学习模型

利用深入学习研究界开发的模型架构。热门型号提供强大的架构,并跳过从头开始的需要。

选择模型时的提示

有许多普试模型可供选择,每个模型都会有权衡:

  • 尺寸:模型需要多少内存
    模型的最终位置将确定需要考虑网络大小的程度。
    选择部署到低内存系统时,请选择专为此任务设计的型号。
    请参阅Edge部署的模型
  • 准确性:在再培训之前,模型的表现如何
    通常,对ImageNet DataSet执行良好的模型表示具有学习信息特征的模型,并且也可以在新的类似任务中表现良好。
    探索更高的精度模型
  • 预测速度:模型如何预测新图像可以快
    虽然预测速度可以根据硬件和批量大小的许多因素而变化,但速度也会根据所选模型的架构和模型大小而变化。
    比较预测速度简单的模型开始

在以下部分中探讨模型之间的权衡。

要将任何模型导入MATLAB,结构是:

>> net = networkname

IE。

>> Net = AlexNet >> Net = Resnet50

如果尚未下载模型,将提供一个链接以在MATLAB中下载模型。

简单的模型开始

您可以快速迭代这些模型,并尝试不同的设置,例如数据预处理步骤和培训选项。一旦您有良好的设置,尝试更准确的网络以查看它是否可以提高结果。

更高的准确性模型

探索对基于图像的工作流有效的模型,例如图像分类,对象检测和语义分割。

对于对象检测工作流程:

DarkNet-19,DarkNet-53和Reset-50通常被用作对象检测问题和YOLO工作流的基础。请参阅对象检测的示例yolov2.yolov3.

对于语义分割工作流程:

使用任何预定义的网络架构提供了一个方便的训练语义分段网络的起点。这些是用于语义分割问题的常用层体系结构:

  • segnetlayers.
  • 不平衡
  • Unet3dlayers.
  • deebplab v3 +

查看更多有关使用Deeplab V3 +创建语义分段网络的更多信息这里

没有万博1manbetx支持的层?

请参阅如何导入佩带的keras图层,并用自定义图层替换不受支持的图层。万博1manbetx

MATLAB中可用的型号的完整列表

新的深度学习模式和示例