La traduzione di questa pagina non è aggiornata. Fai clic qui per vedere l'ultima versione in inglese.

inceptionv3

Rete neurale convoluzionale Inception-v3

Sintassi

net = inceptionv3

net = inceptionv3('Weights','imagenet')

lgraph = inceptionv3('Weights','none')

Descrizione

Inception-v3 è una rete neurale convoluzionale con 48 livelli di profondità. È possibile caricare una versione preaddestrata della rete, addestrata su oltre un milione di immagini del database di ImageNet [1]. La rete preaddestrata è in grado di classificare le immagini in 1000 categorie di oggetti, come tastiera, mouse, matita e molti animali. Di conseguenza, la rete ha appreso rappresentazioni ricche di feature per un'ampia gamma di immagini. La rete ha una dimensione di input dell'immagine di 299x299. Per ulteriori reti addestrate in MATLAB^®, vedere Reti neurali profonde preaddestrate.

È possibile utilizzare classify per classificare nuove immagini utilizzando il modello Inception-v3. Seguire i passaggi di Classificazione di immagini utilizzando GoogLeNet e sostituire GoogLeNet con Inception-v3.

Per riaddestrare la rete su una nuova attività di classificazione, seguire i passaggi di Addestramento della rete di Deep Learning per classificare nuove immagini e caricare Inception-v3 al posto di GoogLeNet.

esempio

net = inceptionv3 restituisce una rete Inception-v3 addestrata sul database di ImageNet.

Questa funzione richiede il pacchetto di supporto Deep Learning Toolbox™ Model for Inception-v3 Network. Se il pacchetto di supporto non è installato, la funzione fornisce un link per il download.

net = inceptionv3('Weights','imagenet') restituisce una rete Inception-v3 addestrata sul database di ImageNet. Questa sintassi è equivalente a net = inceptionv3.

lgraph = inceptionv3('Weights','none') restituisce l'architettura della rete Inception-v3 non addestrata. Il modello non addestrato non richiede il pacchetto di supporto.

Esempi

comprimi tutto

Download del pacchetto di supporto per Inception-v3

Scaricare e installare il pacchetto di supporto Deep Learning Toolbox Model for Inception-v3 Network.

Digitare inceptionv3 nella riga di comando.

inceptionv3

Se il pacchetto di supporto Deep Learning Toolbox Model for Inception-v3 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 inceptionv3 nella riga di comando. Se il pacchetto di supporto richiesto è installato, la funzione restituisce un oggetto DAGNetwork.

inceptionv3

ans = 

  DAGNetwork with properties:

         Layers: [316×1 nnet.cnn.layer.Layer]
    Connections: [350×2 table]

Visualizzare la rete con Deep Network Designer.

deepNetworkDesigner(inceptionv3)

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 output

comprimi tutto

`net` — Rete neurale convoluzionale Inception-v3 preaddestrata
Oggetto `DAGNetwork`

Rete neurale convoluzionale Inception-v3 preaddestrata, restituita come un oggetto DAGNetwork.

`lgraph` — Architettura della rete neurale convoluzionale Inception-v3 non addestrata
Oggetto `LayerGraph`

Architettura della rete neurale convoluzionale Inception-v3 non addestrata, restituita come un oggetto LayerGraph.

Riferimenti

[1] ImageNet. http://www.image-net.org

[2] Szegedy, Christian, Vincent Vanhoucke, Sergey Ioffe, Jon Shlens, and Zbigniew Wojna. "Rethinking the inception architecture for computer vision." In Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition, pp. 2818-2826. 2016.

[3] https://keras.io/api/applications/inceptionv3/

Funzionalità estese

Generazione di codice C/C++
Genera codice C e C++ con MATLAB® Coder™.

Per la generazione di codice, è possibile caricare la rete utilizzando la sintassi net = inceptionv3 o passando la funzione inceptionv3 su coder.loadDeepLearningNetwork (MATLAB Coder). Ad esempio: net = coder.loadDeepLearningNetwork('inceptionv3')

Per ulteriori informazioni, vedere Load Pretrained Networks for Code Generation (MATLAB Coder).

La sintassi inceptionv3('Weights','none') non è supportata per la generazione di codice.

Generazione di codice GPU
Genera codice CUDA® per GPU NVIDIA® con GPU Coder™.

Note sull’utilizzo e sulle limitazioni:

Per la generazione di codice, è possibile caricare la rete utilizzando la sintassi net = inceptionv3 o passando la funzione inceptionv3 su coder.loadDeepLearningNetwork (GPU Coder). Ad esempio: net = coder.loadDeepLearningNetwork('inceptionv3').
Per ulteriori informazioni, vedere Load Pretrained Networks for Code Generation (GPU Coder).
La sintassi inceptionv3('Weights','none') non è supportata per la generazione di codice GPU.

Cronologia versioni

Introdotto in R2017b

Vedi anche