resnet50
ResNet-50卷积神经网络
描述
ResNet-50是一个有50层深度的卷积神经网络。您可以在ImageNet数据库中的100多万张图像上加载经过训练的网络的预训练版本[1].经过预先训练的网络可以将图像分类为1000个对象类别,如键盘、鼠标、铅笔和许多动物。因此,该网络已经学会了对广泛的图像进行丰富的特征表示。该网络的图像输入大小为224 * 224。在MATLAB中进行更多预训练的网络®,请参阅预训练深度神经网络.
您可以使用分类
使用ResNet-50模型对新图像进行分类。遵循以下步骤使用GoogLeNet对图像进行分类用ResNet-50代替GoogLeNet。
若要就新的分类任务重新训练网络,请按照训练深度学习网络对新图像进行分类加载ResNet-50而不是GoogLeNet。
提示
若要创建适合于图像分类任务的未经训练的残差网络,请使用resnetLayers
.
返回一个经过ImageNet数据集训练的ResNet-50网络。这种语法等价于网
= resnet50(“权重”,“imagenet”
)网= resnet50
.
返回未经训练的ResNet-50网络架构。未经训练的模型不需要支持包。lgraph
= resnet50(“权重”,“没有”
)
例子
输出参数
参考文献
[1]ImageNet.http://www.image-net.org
何凯明,张翔宇,任少卿,孙健。“图像识别的深度残差学习。”在IEEE计算机视觉和模式识别会议论文集, 770 - 778页。2016.
扩展功能
版本历史
介绍了R2017b