图像分类的SqueezeNet pretrained模型是一个深度学习在R2020a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,你可以输入“squeezenet”命令行或访问模型直接从深层网络设计师没有安装应用程序。

如果您使用的是R2018a R2019b,您需要下载和安装这个支持包。

SqueezeNet pretrained模型,一直在训练ImageNet数据库的一个子集。模型训练超过一百万的图片,并可以分类图像到1000年对象类别(如键盘、鼠标、铅笔,和许多动物)。
打开squeezenet。mlpkginstall文件从您的操作系统或从MATLAB将启动安装过程中释放。

这对于R2018a mlpkginstall文件功能。

使用的例子:

网= squeezenet ()
net.Layers
情节(净)

%读图像进行分类
I = imread (“peppers.png”);

%作物图像输入网络的大小
深圳= net.Layers (1) .InputSize
我=(100:深圳(1)+ 99,100:深圳(2)+ 99,1:深圳(3));

%使用SqueezeNet分类图像
标签=分类(净,我)

%显示图像和分类的结果
图
imshow(我)
文本(10年,20年,char(标签),“颜色”,“白”)