Main Content

Image Classifier

使用经过训练的深度学习神经网络对数据进行分类

自 R2020b 起

全页展开
  • Image classifier block

库:
Deep Learning Toolbox / Deep Neural Networks

描述

Image Classifier 模块使用通过模块参数指定的已训练网络来预测输入端数据的类标签。此模块允许从 MAT 文件或使用 MATLAB® 函数将预训练网络加载到 Simulink® 模型中。

示例

Classify Images in Simulink Using GoogLeNet

Classify Images in Simulink Using GoogLeNet

Classify an image in Simulink® using the Image Classifier block. The example uses the pretrained deep convolutional neural network GoogLeNet to perform the classification.

打开脚本
Classify ECG Signals in Simulink Using Deep Learning

Classify ECG Signals in Simulink Using Deep Learning

Use wavelet transforms and a deep learning network within a Simulink (R) model to classify ECG signals. This example uses the pretrained convolutional neural network from the Classify Time Series Using Wavelet Analysis and Deep Learning example of the Wavelet Toolbox™ to classify ECG signals based on images from the CWT of the time series data. For information on training, see Classify Time Series Using Wavelet Analysis and Deep Learning (Wavelet Toolbox).

打开脚本

限制

  • Image Classifier 模块不支持序列网络和多输入多输出网络 (MIMO)。

  • Image Classifier 模块不支持 MAT 文件记录。

端口

输入

全部展开

h×w×c×N 数值数组，其中 h、w 和 c 分别是图像的高度、宽度和通道数，N 是图像的数量。

N×numFeatures 数值数组，其中 N 是观测值数量，numFeatures 是输入数据的特征数。

如果数组包含 NaN，则它们会通过网络传播。

输出

全部展开

具有最高分数的预测类标签，以 N×1 标签枚举向量形式返回，其中 N 是观测值数量。

预测的分数，以 K×N 矩阵形式返回，其中 K 是类数，N 是观测值数量。

与预测分数相关联的标签，以 N×K 矩阵形式返回，其中 N 是观测值数量，K 是类数。

参数

全部展开

指定经过训练的网络的源。选择下列项之一：

  • 从 MAT 文件创建网络 - 从包含 dlnetwork 对象的 MAT 文件中导入经过训练的网络。

  • 从 MATLAB 函数创建网络 - 从 MATLAB 函数导入预训练网络。例如，要使用预训练的 GoogLeNet，请在 MATLAB M 文件中创建一个函数 pretrainedGoogLeNet，然后导入此函数。 

    function net = pretrainedGoogLeNet
  net = imagePretrainedNetwork("googlenet");
end

编程用法

模块参数：Network
类型：字符向量、字符串
值：'Network from MAT-file' | 'Network from MATLAB function'
默认值： 'Network from MAT-file'

此参数指定包含要加载的经过训练的深度学习网络的 MAT 文件名称。如果该文件不在 MATLAB 路径中，请使用浏览按钮找到该文件。

依存关系

要启用此参数，请将网络参数设置为从 MAT 文件创建网络。

编程用法

模块参数：NetworkFilePath
类型：字符向量、字符串
值：MAT 文件路径或名称
默认值： 'untitled.mat'

此参数指定预训练深度学习网络的 MATLAB 函数的名称。例如，要使用预训练的 GoogLeNet，请在 MATLAB M 文件中创建一个函数 pretrainedGoogLeNet，然后导入此函数。 

function net = pretrainedGoogLeNet
  net = imagePretrainedNetwork("googlenet");
end

依存关系

要启用此参数，请将网络参数设置为从 MATLAB 函数创建网络。

编程用法

模块参数：NetworkFunction
类型：字符向量、字符串
值：MATLAB 函数名称
默认值： 'squeezenet'

用于预测的小批量的大小，指定为正整数。小批量大小越大，需要的内存越多，但预测速度可能更快。

编程用法

模块参数：MiniBatchSize
类型：字符向量、字符串
值：正整数
默认值： '128'

将输入端口的数据大小调整为网络的输入大小。

编程用法

模块参数：ResizeInput
类型：字符向量、字符串
值：'off' | 'on'
默认值： 'on'

启用输出具有最高分数的标签的输出端口 ypred。

编程用法

模块参数：Classification
类型：字符向量、字符串
值：'off' | 'on'
默认值： 'on'

启用输出所有预测分数和相关联的类标签的输出端口 scores 和 labels。

编程用法

模块参数：Predictions
类型：字符向量、字符串
值：'off' | 'on'
默认值： 'off'

包含类名称的变量，指定为分类向量、字符串数组或字符向量元胞数组。

网络的输出大小必须与类的数量匹配。

依存关系

要启用此参数，请将网络参数设置为从 MAT 文件创建网络，以便从 MAT 文件导入经过训练的 dlnetwork 对象。

编程用法

模块参数：classNames
类型：分类向量、字符串数组或字符向量元胞数组的变量名称。
值：包含类名称的变量的名称，指定为分类向量、字符串数组或字符向量元胞数组。
默认值：工作区变量 classNames。

提示

扩展功能

版本历史记录

在 R2020b 中推出

全部展开

另请参阅