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

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 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

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

image — 图像或特征数据
数值数组

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 是观测值数目，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

ypred — 预测的类标签
枚举

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 是观测值数目。

scores — 预测的类分数
矩阵

预测的分数，以 N×K 矩阵形式返回，其中 N 是观测值数目，K 是类数。

labels — 预测的分数的类标签
矩阵

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

参数

全部展开

网络 — 经过训练的网络的源
从 MAT 文件创建网络（默认） | 从 MATLAB 函数创建网络

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 SeriesNetwork、DAGNetwork 或 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，通过使用 googlenet 函数。

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'

文件路径 — 包含训练网络的 MAT 文件
`untitled.mat` （默认） | MAT 文件路径或名称

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'

MATLAB 函数 — MATLAB 函数名称
`squeezenet` （默认） | MATLAB 函数名称

此参数指定预训练深度学习网络的 MATLAB 函数的名称。例如，使用 googlenet 函数导入预训练的 GoogLeNet 模型。

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'

批量大小小 — 小批量的大小
128 （默认） | 正整数

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'

调整输入大小 — 调整输入维度大小
`on` （默认） | `off`

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'

分类 — 输出具有最高分数的预测标签
`on` （默认） | `off`

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'

预测 — 输出所有分数和相关联的标签
`off` （默认） | `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'

扩展功能

C/C++ 代码生成
使用 Simulink® Coder™ 生成 C 代码和 C++ 代码。

使用说明和限制：

要生成不依赖第三方库的通用 C 代码，请在配置参数 > 代码生成常规类别中，将语言参数设置为 C。
要生成 C++ 代码，请在配置参数 > 代码生成常规类别中，将语言参数设置为 C++。要指定代码生成的目标库，请在代码生成 > 接口类别中，设置目标库参数。将此参数设置为无会生成不依赖第三方库的泛型 C++ 代码。
对于基于 ERT 的目标，必须启用代码生成 > 接口窗格中的支持: 可变大小信号参数。
有关代码生成支持的网络和层的列表，请参阅代码生成支持的网络和层 (MATLAB Coder)。

GPU 代码生成
使用 GPU Coder™ 为 NVIDIA® GPU 生成 CUDA® 代码。

使用说明和限制：

配置参数 > 代码生成常规类别中的语言参数必须设置为 C++。
有关代码生成支持的网络和层的列表，请参阅Supported Networks, Layers, and Classes (GPU Coder)。
要了解有关为包含 Image Classifier 模块的 Simulink 模型生成代码的详细信息，请参阅Code Generation for a Deep Learning Simulink Model to Classify ECG Signals (GPU Coder)。

版本历史记录

在 R2020b 中推出

另请参阅

Predict

Image Classifier

描述

示例

Classify Images in Simulink Using GoogLeNet

Classify ECG Signals in Simulink Using Deep Learning

限制

端口

输入

image — 图像或特征数据 数值数组

输出

ypred — 预测的类标签 枚举

scores — 预测的类分数 矩阵

labels — 预测的分数的类标签 矩阵

参数

网络 — 经过训练的网络的源 从 MAT 文件创建网络 （默认） | 从 MATLAB 函数创建网络

编程用法

文件路径 — 包含训练网络的 MAT 文件 untitled.mat （默认） | MAT 文件路径或名称

依存关系

编程用法

MATLAB 函数 — MATLAB 函数名称 squeezenet （默认） | MATLAB 函数名称

依存关系

编程用法

批量大小小 — 小批量的大小 128 （默认） | 正整数

编程用法

调整输入大小 — 调整输入维度大小 on （默认） | off

编程用法

分类 — 输出具有最高分数的预测标签 on （默认） | off

编程用法

预测 — 输出所有分数和相关联的标签 off （默认） | on

编程用法

扩展功能

C/C++ 代码生成 使用 Simulink® Coder™ 生成 C 代码和 C++ 代码。

GPU 代码生成 使用 GPU Coder™ 为 NVIDIA® GPU 生成 CUDA® 代码。

版本历史记录

另请参阅

WeChat

image — 图像或特征数据
数值数组

ypred — 预测的类标签
枚举

scores — 预测的类分数
矩阵

labels — 预测的分数的类标签
矩阵

网络 — 经过训练的网络的源
从 MAT 文件创建网络（默认） | 从 MATLAB 函数创建网络

文件路径 — 包含训练网络的 MAT 文件
`untitled.mat` （默认） | MAT 文件路径或名称

MATLAB 函数 — MATLAB 函数名称
`squeezenet` （默认） | MATLAB 函数名称

批量大小小 — 小批量的大小
128 （默认） | 正整数

调整输入大小 — 调整输入维度大小
`on` （默认） | `off`

分类 — 输出具有最高分数的预测标签
`on` （默认） | `off`

预测 — 输出所有分数和相关联的标签
`off` （默认） | `on`

C/C++ 代码生成
使用 Simulink® Coder™ 生成 C 代码和 C++ 代码。

GPU 代码生成
使用 GPU Coder™ 为 NVIDIA® GPU 生成 CUDA® 代码。