googlenet
GoogLeNet 卷积神经网络
说明
GoogLeNet 是深度为 22 层的卷积神经网络。您可以加载基于 ImageNet [1] 或 Places365 [2] [3] 数据集训练的网络的预训练版本。基于 ImageNet 训练的网络将图像分类至 1000 个目标类别(例如键盘、鼠标、铅笔和多种动物)。基于 Places365 训练的网络类似于基于 ImageNet 训练的网络,但将图像分为 365 个不同位置类别,例如田野、公园、跑道和大厅。这些网络已基于大量图像学习了不同特征表示。这两个预训练网络的图像输入大小都为 224×224。有关 MATLAB® 中预训练网络的详细信息,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 classify
。有关示例,请参阅使用 GoogLeNet 对图像进行分类。
您可以使用迁移学习来重新训练 GoogLeNet 网络以执行新任务。执行迁移学习时,最常见的方法是使用基于 ImageNet 数据集预训练的网络。如果新任务类似于场景分类,则使用基于 Places-365 训练的网络可以提供更高的准确度。有关如何根据新分类任务重新训练 GoogLeNet 的示例,请参阅训练深度学习网络以对新图像进行分类
返回基于 ImageNet 数据集训练的 GoogLeNet 网络。net
= googlenet
此函数需要 Deep Learning Toolbox™ Model for GoogLeNet Network 支持包。如果未安装此支持包,则函数会提供下载链接。
返回一个基于 ImageNet 或 Places365 数据集训练的 GoogLeNet 网络。语法 net
= googlenet('Weights',weights
)googlenet('Weights','imagenet')
(默认值)等效于 googlenet
。
基于 ImageNet 训练的网络需要 Deep Learning Toolbox Model for GoogLeNet Network 支持包。基于 Places365 训练的网络需要 Deep Learning Toolbox Model for Places365-GoogLeNet Network 支持包。如果未安装必需的支持包,则函数会提供下载链接。
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('Weights','none'
)
示例
输入参数
输出参数
参考
[1] ImageNet. http://www.image-net.org
[2] Zhou, Bolei, Aditya Khosla, Agata Lapedriza, Antonio Torralba, and Aude Oliva. "Places: An image database for deep scene understanding." arXiv preprint arXiv:1610.02055 (2016).
[3] Places. http://places2.csail.mit.edu/
[4] Szegedy, Christian, Wei Liu, Yangqing Jia, Pierre Sermanet, Scott Reed, Dragomir Anguelov, Dumitru Erhan, Vincent Vanhoucke, and Andrew Rabinovich. "Going deeper with convolutions." In Proceedings of the IEEE conference on computer vision and pattern recognition, pp. 1-9. 2015.
[5] BVLC GoogLeNet Model. https://github.com/BVLC/caffe/tree/master/models/bvlc_googlenet
扩展功能
版本历史记录
在 R2017b 中推出