resnet50
Rete neurale convoluzionale ResNet-50
Descrizione
ResNet-50 è una rete neurale convoluzionale con 50 livelli di profondità. È possibile caricare una versione preaddestrata della rete neurale, addestrata su oltre un milione di immagini del database di ImageNet [1]. La rete neurale preaddestrata è in grado di classificare le immagini in 1000 categorie di oggetti, come tastiera, mouse, matita e molti animali. Di conseguenza, la rete neurale ha appreso rappresentazioni ricche di feature per un'ampia gamma di immagini. La rete neurale ha una dimensione di input dell'immagine di 224x224. Per ulteriori reti neurali addestrate in MATLAB®, vedere Reti neurali profonde preaddestrate.
È possibile utilizzare classify
per classificare nuove immagini utilizzando il modello ResNet-50. Seguire i passaggi di Classificazione di immagini utilizzando GoogLeNet e sostituire GoogLeNet con ResNet-50.
Per riaddestrare la rete neurale su una nuova attività di classificazione, seguire i passaggi di Addestramento della rete di Deep Learning per classificare nuove immagini e caricare ResNet-50 al posto di GoogLeNet.
Suggerimento
Per creare una rete neurale residua non addestrata adatta ad attività di classificazione delle immagini, utilizzare resnetLayers
.
restituisce una rete neurale ResNet-50 addestrata sul set di dati di ImageNet.net
= resnet50
Questa funzione richiede il pacchetto di supporto Deep Learning Toolbox™ Model for ResNet-50 Network. Se il pacchetto di supporto non è installato, la funzione fornisce un link per il download.
restituisce una rete neurale ResNet-50 addestrata sul set di dati di ImageNet. Questa sintassi è equivalente a net
= resnet50('Weights','imagenet'
)net = resnet50
.
restituisce l'architettura della rete neurale ResNet-50 non addestrata. Il modello non addestrato non richiede il pacchetto di supporto. lgraph
= resnet50('Weights','none'
)
Esempi
Argomenti di output
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 R2017b
Vedi anche
Deep Network Designer | resnetLayers
| vgg16
| vgg19
| googlenet
| trainNetwork
| layerGraph
| DAGNetwork
| resnet18
| resnet101
| densenet201
| inceptionresnetv2
| squeezenet