使用预训练网络对图像进行分类

加载预训练网络

加载预训练的 GoogLeNet 网络。您还可以选择加载不同的预训练网络进行图像分类。此步骤需要 Deep Learning Toolbox™ Model for GoogLeNet Network 支持包。如果没有安装所需的支持包，软件会提供下载链接。

net = googlenet;

读取图像并调整图像大小

要分类的图像的大小必须与网络的输入大小相同。对于 GoogLeNet，网络输入大小是图像输入层的 InputSize 属性。

读取要分类的图像，并将其大小调整为网络的输入大小。调整大小会略微更改图像的纵横比。

I = imread("peppers.png");
inputSize = net.Layers(1).InputSize;
I = imresize(I,inputSize(1:2));

分类并显示图像

对图像进行分类并显示图像及预测标签。

label = classify(net,I);
figure
imshow(I)
title(string(label))

有关同时显示排名靠前的预测值及其相应概率的更详细示例，请参阅使用 GoogLeNet 对图像进行分类。

在深度学习的后续步骤中，您可以将预训练网络用于其他任务。通过迁移学习或特征提取解决新的图像数据分类问题。有关示例，请参阅使用迁移学习更快地开始深度学习和使用从预训练网络中提取的特征训练分类器。要尝试其他预训练网络，请参阅预训练的深度神经网络。

参考资料