googlenet
GoogLeNet卷积神经网络
描述
GoogLeNet是一个22层的卷积神经网络。您可以加载在ImageNet上训练的网络的预训练版本[1]或Places365[2][3]数据集。在ImageNet上训练的网络将图像分为1000个对象类别,例如键盘、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个不同的地点类别,例如田地、公园、跑道和大厅。这些网络已经学会了各种图像的不同特征表示。预训练的网络的图像输入大小都是224 × 224。用于MATLAB中更多的预训练网络®,请参阅预训练的深度神经网络.
要使用GoogLeNet对新图像进行分类,请使用分类
.有关示例,请参见使用GoogLeNet分类图像.
您可以使用迁移学习重新训练GoogLeNet网络来执行新任务。在执行迁移学习时,最常见的方法是使用在ImageNet数据集上预训练的网络。如果新任务类似于场景分类,那么使用在Places-365上训练的网络可以提供更高的准确性。有关显示如何在新的分类任务上重新训练GoogLeNet的示例,请参见训练深度学习网络对新图像进行分类
返回在ImageNet数据集上训练的GoogLeNet网络。网
= googlenet
此功能需要深度学习工具箱™模型为GoogLeNet网络支持包。如果没有安装此支持包,则该函数将提供下载链接。
返回未经训练的GoogLeNet网络架构。未经训练的模型不需要支持包。lgraph
= googlenet(“权重”,“没有”
)
例子
输入参数
输出参数
参考文献
[1]ImageNet.http://www.image-net.org
[2] Zhou, Bolei, Aditya Khosla, Agata Lapedriza, Antonio Torralba和Aude Oliva。“场所:用于深度场景理解的图像数据库。”arXiv预印本:1610.02055(2016).
[3]的地方.http://places2.csail.mit.edu/
[4]塞格迪,克里斯蒂安,刘伟,贾扬青,皮埃尔·塞尔曼内,斯科特·里德,德拉戈米尔·安格洛夫,杜米特鲁·埃尔汉,文森特·范豪克和安德鲁·拉宾诺维奇。“更深入地研究卷积。”在IEEE计算机视觉和模式识别会议论文集,第1-9页。2015.
[5]BVLC GoogLeNet模型.https://github.com/BVLC/caffe/tree/master/models/bvlc_googlenet
扩展功能
版本历史
在R2017b中引入