Main Content

Image Classifier

Classifica i dati utilizzando una rete neurale addestrata di Deep Learning

Da R2020b

  • Image classifier block

Librerie:
Deep Learning Toolbox / Deep Neural Networks

Descrizione

Il blocco Image Classifier prevede le etichette della classe per i dati al momento dell’input utilizzando la rete addestrata specificata attraverso il parametro del blocco. Questo blocco consente di caricare una rete preaddestrata nel modello Simulink® da un file MAT o da una funzione MATLAB®.

Limitazioni

  • Il blocco Image Classifier non supporta le reti di sequenza e le reti a input multipli e output multipli (MIMO).

  • Il blocco Image Classifier non supporta la registrazione di file MAT.

Porte

Input

espandi tutto

Un array numerico h per w per c per N, dove h, w e c sono rispettivamente l’altezza, la larghezza e il numero di canali delle immagini e N è il numero delle immagini.

Un array numerico N per numFeatures, dove N è il numero di osservazioni e numFeatures è il numero delle feature dei dati di input.

Se l’array contiene dei NaN, verranno propagati attraverso la rete.

Output

espandi tutto

Etichette della classe prevista con il punteggio maggiore, restituite come un vettore enumerato Nx1 di etichette, dove N è il numero delle osservazioni.

Punteggi previsti, restituiti come una matrice K per N, dove K è il numero delle classi e N è il numero dello osservazioni.

Etichette associate ai punteggi previsti, restituite come una matrice N per K, dove N è il numero delle osservazioni e K è il numero delle classi.

Parametri

espandi tutto

Specificare la sorgente per la rete addestrata. Selezionare una delle seguenti opzioni:

  • Network from MAT-file: importare una rete addestrata da un file MAT contenente un oggetto dlnetwork.

  • Network from MATLAB function: importare una rete preaddestrata da una funzione MATLAB. Ad esempio, per utilizzare una rete GoogLeNet preaddestrata, creare una funzione pretrainedGoogLeNet in un M-file di MATLAB, quindi importare questa funzione.

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

Utilizzo programmatico

Parametro del blocco: Network
Tipo: vettore di carattere, stringa
Valori: 'Network from MAT-file' | 'Network from MATLAB function'
Predefinito: 'Network from MAT-file'

Questo parametro specifica il nome del file MAT che comprende la rete addestrata di Deep Learning da caricare. Se il file non è presente nel percorso MATLAB, utilizzare il pulsante Browse per individuare il file.

Dipendenze

Per abilitare questo parametro, impostare il parametro Network su Network from MAT-file.

Utilizzo programmatico

Parametro del blocco: NetworkFilePath
Tipo: vettore di carattere, stringa
Valori: Percorso o nome del file MAT
Predefinito: 'untitled.mat'

Questo parametro specifica il nome della funzione MATLAB per la rete preaddestrata di Deep Learning. Ad esempio, per utilizzare una rete GoogLeNet preaddestrata, creare una funzione pretrainedGoogLeNet in un M-file di MATLAB, quindi importare questa funzione.

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

Dipendenze

Per abilitare questo parametro, impostare il parametro Network su Network from MATLAB function.

Utilizzo programmatico

Parametro del blocco: NetworkFunction
Tipo: vettore di carattere, stringa
Valori: Nome della funzione MATLAB
Predefinito: 'squeezenet'

Dimensione dei mini-batch da utilizzare per la previsione, specificata come un numero intero positivo. Mini-batch di dimensioni maggiori richiedono più memoria, ma possono portare a previsioni più rapide.

Utilizzo programmatico

Parametro del blocco: MiniBatchSize
Tipo: vettore di carattere, stringa
Valori: interi positivi
Predefinito: '128'

Ridimensiona i dati alla porta di input alla dimensione di input della rete.

Utilizzo programmatico

Parametro del blocco: ResizeInput
Tipo: vettore di carattere, stringa
Valori: 'off' | 'on'
Predefinito: 'on'

Abilita la porta di output ypred che fornisce l’etichetta con il punteggio più alto.

Utilizzo programmatico

Parametro del blocco: Classification
Tipo: vettore di carattere, stringa
Valori: 'off' | 'on'
Predefinito: 'on'

Abilita le porte di output scores e labels che forniscono tutti i punteggi previsti e le etichette di classe associate.

Utilizzo programmatico

Parametro del blocco: Predictions
Tipo: vettore di carattere, stringa
Valori: 'off' | 'on'
Predefinito: 'off'

Variabile contenente i nomi delle classi, specificata come vettore categorico, array di stringhe o array di celle dei vettori di carattere.

La dimensione dell'output della rete deve corrispondere al numero di classi.

Dipendenze

Per abilitare questo parametro, impostare il parametro Network su Network from MAT-file per importare un oggetto addestrato dlnetwork da un file MAT.

Utilizzo programmatico

Parametro del blocco: classNames
Tipo: nome variabile di un vettore categorico, di un array di stringhe o di un array di celle dei vettori di carattere.
Valori: Nome di una variabile contenente i nomi delle classi, specificata come vettore categorico, array di stringhe o array di celle dei vettori di carattere.
Predefinito: La variabile classNames del workspace.

Suggerimenti

Funzionalità estese

Cronologia versioni

Introdotto in R2020b

espandi tutto

Vedi anche