Main Content

googlenet

Rete neurale convoluzionale GoogLeNet

  • GoogLeNet network architecture

Descrizione

GoogLeNet è una rete neurale convoluzionale con 22 livelli di profondità. È possibile caricare una versione preaddestrata della rete, addestrata sui set di dati di ImageNet [1] o di Places365 [2] [3]. La rete addestrata su ImageNet classifica le immagini in 1000 categorie di oggetti, come tastiera, mouse, matita e molti animali. La rete addestrata su Places365 è simile alla rete addestrata su ImageNet ma classifica le immagini in 365 diverse categorie di luoghi, come campi, parchi, piste e atri. Queste reti hanno appreso diverse rappresentazioni delle feature per un'ampia gamma di immagini. Le reti preaddestrate hanno entrambe una dimensione di input dell'immagine di 224 per 224. Per ulteriori reti addestrate in MATLAB®, vedere Reti neurali profonde preaddestrate.

Per classificare nuove immagini utilizzando GoogLeNet, usare classify. Per un esempio, vedere Classificazione di immagini utilizzando GoogLeNet.

È possibile riaddestrare una rete GoogLeNet per eseguire una nuova attività utilizzando il transfer learning. Quando si esegue il transfer learning, l'approccio più comune è quello di utilizzare reti preaddestrate sul set di dati di ImageNet. Se la nuova attività è simile alla classificazione di scene, l’utilizzo della rete addestrata su Places365 può fornire una precisione maggiore. Per un esempio su come riaddestrare GoogLeNet su una nuova attività di classificazione, vedere Addestramento della rete di Deep Learning per classificare nuove immagini

esempio

net = googlenet restituisce una rete GoogLeNet addestrata sul set di dati di ImageNet.

Questa funzione richiede il pacchetto di supporto Deep Learning Toolbox™ Model for GoogLeNet Network. Se il pacchetto di supporto non è installato, la funzione fornisce un link per il download.

net = googlenet('Weights',weights) restituisce una rete GoogLeNet addestrata sul set di dati di ImageNet o di Places365. La sintassi (predefinita) googlenet('Weights','imagenet') è equivalente a googlenet.

La rete addestrata su ImageNet richiede il pacchetto di supporto Deep Learning Toolbox Model for GoogLeNet Network. La rete addestrata su Places365 richiede il pacchetto di supporto Deep Learning Toolbox Model for Places365-GoogLeNet Network. Se il pacchetto di supporto richiesto non è installato, la funzione fornisce un link per il download.

lgraph = googlenet('Weights','none') restituisce l’architettura della rete GoogLeNet non addestrata. Il modello non addestrato non richiede il pacchetto di supporto.

Esempi

comprimi tutto

Scaricare e installare il pacchetto di supporto Deep Learning Toolbox Model for GoogLeNet Network.

Digitare googlenet nella riga di comando.

googlenet

Se il pacchetto di supporto Deep Learning Toolbox Model for GoogLeNet Network non è installato, la funzione fornisce un link al pacchetto di supporto richiesto nell’Add-On Explorer. Fare clic sul link per installare il pacchetto di supporto, quindi fare clic su Install. Verificare che l’installazione sia stata eseguita correttamente digitando googlenet nella riga di comando. Se il pacchetto di supporto richiesto è installato, la funzione restituisce un oggetto DAGNetwork.

googlenet
ans = 

  DAGNetwork with properties:

         Layers: [144×1 nnet.cnn.layer.Layer]
    Connections: [170×2 table]

Visualizzare la rete con Deep Network Designer.

deepNetworkDesigner(googlenet)

Scoprire altre reti neurali preaddestrate in Deep Network Designer facendo clic su New.

Deep Network Designer start page showing available pretrained neural networks

Se è necessario scaricare una rete neurale, fermarsi sulla rete neurale desiderata e fare clic su Install per aprire l’Add-On Explorer.

Argomenti di input

comprimi tutto

Sorgente dei parametri di rete, specificata come 'imagenet', 'places365' o 'none'.

  • Se weights è uguale a 'imagenet', la rete avrà pesi addestrati sul set di dati di ImageNet.

  • Se weights è uguale a 'places365', la rete avrà pesi addestrati sul set di dati di Places365.

  • Se weights è uguale a 'none', verrà restituita l’architettura della rete non addestrata.

Esempio 'places365'

Argomenti di output

comprimi tutto

Rete neurale convoluzionale GoogLeNet preaddestrata, restituita come un oggetto DAGNetwork.

Architettura della rete neurale convoluzionale GoogLeNet non addestrata, restituita come un oggetto LayerGraph.

Riferimenti

[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.

Funzionalità estese

Cronologia versioni

Introdotto in R2017b