用于图像分类的SqueezeNet预训练模型是R2020a中深度学习工具箱的一部分,不需要单独安装。如果您使用的是R2020a版本的深度学习工具箱,您可以在命令行中输入“squeezenet”或直接访问模型,而无需从深度网络设计器应用程序安装。
如果您使用的是R2018a到R2019b,则需要下载并安装此支持包。
SqueezeNet是一个预先训练的模型,它是在ImageNet数据库的一个子集上训练的。该模型在超过100万张图像上进行了训练,并可以将图像分为1000个对象类别(例如键盘、鼠标、铅笔和许多动物)。
打开挤压板。mlpkginstall文件将从您的操作系统或MATLAB中启动您现有版本的安装过程。
这个mlpkginstall文件适用于R2018a及以上版本。
使用的例子:
网=挤压网()
网层
情节(净)
读取图像进行分类
I = imread('pepper .png');
裁剪图像到网络的输入大小
sz = net.Layers(1).InputSize
I = I(100:sz(1)+ 99,100:sz(2)+ 99,1:sz(3));
使用SqueezeNet分类图像
分类(net, I)
显示图像和分类结果
数字
imshow(我)
text(10, 20, char(label), 'Color', 'white')
MATLAB版本兼容性
使用R2018a创建
兼容R2018a ~ R2019b