Home >> Blog >> resnet50 訓練模型簡介
net = resnet50
net = resnet50('Weights','imagenet')
lgraph = resnet50('Weights','none')
resnet50 訓練模型簡介
描述
ResNet-50 是一個深度為 50 層的捲積神經網絡。您可以加載經過 ImageNet 資料庫[1]中超過一百萬張圖像訓練的網絡的預訓練版本。預訓練網絡可以將圖像分類為 1000 個對像類別，例如鍵盤、鼠標、鉛筆和許多動物。結果，該網絡已經為廣泛的圖像學習了豐富的特徵表示。該網絡的圖像輸入大小為 224×224。有關 MATLAB® 中的更多預訓練網絡，請參閱預訓練深度神經網絡。
在處理SEO search engine optimization 的captcha部分，您可以使用classifyResNet-50 模型對新圖像進行分類。按照使用 GoogleNet 對圖像進行分類的步驟，將 GoogleNet替換為 ResNet-50。
要在新的分類任務上重新訓練網絡，請按照訓練深度學習網絡對新圖像進行分類的步驟並加載 ResNet-50 而不是 GoogLeNet。
net = resnet50 返回在 ImageNet 數據集上訓練的 ResNet-50 網絡。
此功能需要 Deep Learning Toolbox™ Model for ResNet-50 Network支持包。如果未安裝此支持包，則該功能提供下載連結。
net = resnet50('Weights','imagenet') 返回在 ImageNet 數據集上訓練的 ResNet-50 網絡。此語法等效於net = resnet50.
lgraph = resnet50('Weights','none') 返回未經訓練的 ResNet-50 網絡架構。未經訓練的模型不需要支持包。
例子
下載 ResNet-50 支持包
輸出參數
輸出參數
net— 預訓練的 ResNet-50 卷積神經網絡
DAGNetwork對象
lgraph— 未經訓練的 ResNet-50 卷積神經網絡架構
LayerGraph對象
參考
[1]圖像網。http://www.image-net.org
[2] 何凱明、張翔宇、任少卿、孫健。“用於圖像識別的深度殘差學習。” 在IEEE 計算機視覺和模式識別會議論文集上，第 770-778 頁。2016 年。
[3] https://keras.io/api/applications/resnet/#resnet50-function
擴展能力
C/C++ 程式碼生成
使用 MATLAB® Coder™ 生成 C 和 C++ 程式碼。
GPU 程式碼生成
使用 GPU Coder™ 為 NVIDIA® GPU 生成 CUDA® 程式碼。