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

resnet101

Rete neurale convoluzionale ResNet-101

• 

×

Sintassi

net = resnet101

net = resnet101('Weights','imagenet')

lgraph = resnet101('Weights','none')

Descrizione

ResNet-101 è una rete neurale convoluzionale con 101 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 224x224. Per ulteriori reti addestrate in MATLAB^®, vedere Reti neurali profonde preaddestrate.

È possibile utilizzare classify per classificare nuove immagini utilizzando il modello ResNet-101. Seguire i passaggi di Classificazione di immagini utilizzando GoogLeNet e sostituire GoogLeNet con ResNet-101.

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 ResNet-101 al posto di GoogLeNet.

Suggerimento

Per creare una rete residua non addestrata adatta ad attività di classificazione delle immagini, utilizzare resnetLayers.

net = resnet101 restituisce una rete ResNet-101 addestrata sul set di dati di ImageNet.

Questa funzione richiede il pacchetto di supporto Deep Learning Toolbox™ Model for ResNet-101 Network. Se il pacchetto di supporto non è installato, la funzione fornisce un link per il download.

net = resnet101('Weights','imagenet') restituisce una rete ResNet-101 addestrata sul set di dati di ImageNet. Questa sintassi è equivalente a net = resnet101.

lgraph = resnet101('Weights','none') restituisce l'architettura della rete ResNet-101 non addestrata. Il modello non addestrato non richiede il pacchetto di supporto.

Esempi

Download del pacchetto di supporto per ResNet-101

Scaricare e installare il pacchetto di supporto Deep Learning Toolbox Model for ResNet-101 Network.

Digitare resnet101 nella riga di comando.

resnet101

Se il pacchetto di supporto Deep Learning Toolbox Model for ResNet-101 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 resnet101 nella riga di comando. Se il pacchetto di supporto richiesto è installato, la funzione restituisce un oggetto DAGNetwork.

resnet101

ans = 

  DAGNetwork with properties:

         Layers: [347×1 nnet.cnn.layer.Layer]
    Connections: [379×2 table]

Visualizzare la rete con Deep Network Designer.

deepNetworkDesigner(resnet101)

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

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

net — Rete neurale convoluzionale ResNet-101 preaddestrata

Oggetto DAGNetwork

Rete neurale convoluzionale ResNet-101 preaddestrata, restituita come un oggetto DAGNetwork.

lgraph — Architettura della rete neurale convoluzionale ResNet-101 non addestrata

Oggetto LayerGraph

Architettura della rete neurale convoluzionale ResNet-101 non addestrata, restituita come un oggetto LayerGraph.

Riferimenti

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

[2] He, Kaiming, Xiangyu Zhang, Shaoqing Ren, and Jian Sun. "Deep residual learning for image recognition." In Proceedings of the IEEE conference on computer vision and pattern recognition, pp. 770-778. 2016.

[3] https://github.com/KaimingHe/deep-residual-networks

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 = resnet101 o passando la funzione resnet101 su coder.loadDeepLearningNetwork (MATLAB Coder). Ad esempio: net = coder.loadDeepLearningNetwork('resnet101')

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

La sintassi resnet101('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 = resnet101 o passando la funzione resnet101 su coder.loadDeepLearningNetwork (GPU Coder). Ad esempio: net = coder.loadDeepLearningNetwork('resnet101')

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

• La sintassi resnet101('Weights','none') non è supportata per la generazione di codice GPU.

Cronologia versioni

Introdotto in R2017b

Vedi anche

Deep Network Designer | resnetLayers | vgg16 | vgg19 | resnet18 | resnet50 | googlenet | inceptionv3 | inceptionresnetv2 | densenet201 | squeezenet | trainNetwork | layerGraph | DAGNetwork

Argomenti

• Transfer Learning con Deep Network Designer
• Deep Learning in MATLAB
• Reti neurali profonde preaddestrate
• Classificazione di immagini utilizzando GoogLeNet
• Addestramento della rete di Deep Learning per classificare nuove immagini
• Train Residual Network for Image Classification