Main Content

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

resnet18

Rete neurale convoluzionale ResNet-18

comprimi tutto nella pagina
  • ResNet-18 network architecture

Sintassi

net = resnet18
net = resnet18('Weights','imagenet')
lgraph = resnet18('Weights','none')

Descrizione

ResNet-18 è una rete neurale convoluzionale con 18 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 deep preaddestrate.

È possibile utilizzare classify per classificare nuove immagini utilizzando il modello ResNet-18. Seguire i passaggi di Classificazione di immagini utilizzando GoogLeNet e sostituire GoogLeNet con ResNet-18.

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-18 al posto di GoogLeNet.

Suggerimento

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

esempio

net = resnet18 restituisce una rete ResNet-18 addestrata sul set di dati di ImageNet.

Questa funzione richiede il pacchetto di supporto Deep Learning Toolbox™ Model for ResNet-18 Network. Se il pacchetto di supporto non è installato, la funzione fornisce un link per il download.

net = resnet18('Weights','imagenet') restituisce una rete ResNet-18 addestrata sul set di dati di ImageNet. Questa sintassi è equivalente a net = resnet18.

lgraph = resnet18('Weights','none') restituisce l'architettura della rete ResNet-18 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 ResNet-18 Network.

Digitare resnet18 nella riga di comando.

resnet18

Se il pacchetto di supporto Deep Learning Toolbox Model for ResNet-18 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 resnet18 nella riga di comando. Se il pacchetto di supporto richiesto è installato, la funzione restituisce un oggetto DAGNetwork.

resnet18
ans = 

  DAGNetwork with properties:

         Layers: [72×1 nnet.cnn.layer.Layer]
    Connections: [79×2 table]

Visualizzare la rete con Deep Network Designer. 

deepNetworkDesigner(resnet18)

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

Deep Network Designer start page showing available pretrained networks

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

Argomenti di output

comprimi tutto

Rete neurale convoluzionale ResNet-18 preaddestrata, restituita come un oggetto DAGNetwork.

Architettura della rete neurale convoluzionale ResNet-18 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.

Funzionalità estese

Cronologia versioni

Introdotto in R2018a

Vedi anche

| | | | | | | | | | | |

Argomenti