主要内容

resnet50

ResNet-50卷积神经网络

在页面中全部折叠
  • ResNet-50架构

语法

网= resnet50
网= resnet50(“权重”,“imagenet”)
lgraph = resnet50(“权重”,“没有一个”)

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．

例子

网= resnet50返回一个经过ImageNet数据集训练的ResNet-50网络。

此功能需要深度学习工具箱™模型ResNet-50网络支持包。如果没有安装此支持包，则该功能提供下载链接。

网= resnet50(“权重”,“imagenet”）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．

lgraph= resnet50(“权重”,“没有”）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。

例子

全部折叠

下载并安装深度学习工具箱模型ResNet-50网络支持包。

类型resnet50在命令行。

resnet50

如果深度学习工具箱模型ResNet-50网络support包未安装，则该功能将在Add-On资源管理器中提供到所需支持包的链接。如果需要安装支持包，请单击链接，然后单击安装．输入命令检查安装是否成功resnet50在命令行。如果安装了所需的支持包，则函数返回一个DAGNetwork对象。

resnet50
ans = DAGNetwork属性:Layers: [177×1 nnet.cnn.layer.Layer] Connections: [192×2 table]

使用深度网络设计器可视化网络。

deepNetworkDesigner (resnet50)

通过单击在深度网络设计器中探索其他预先训练的网络新．

深度网络设计器开始页显示可用的预训练网络

如果需要下载某个网络，请在该网络上暂停，然后单击安装打开附加组件资源管理器。

输出参数

全部折叠

预训练的ResNet-50卷积神经网络，返回为DAGNetwork对象。

未经训练的ResNet-50卷积神经网络结构，返回为LayerGraph对象。

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

另请参阅

||||||||||||

主题

Baidu
map