La traducción de esta página aún no se ha actualizado a la versión más reciente. Haga clic aquí para ver la última versión en inglés.

Redes preentrenadas para imágenes

Use redes preentrenadas para aprender rápidamente nuevas tareas.

Use la transferencia del aprendizaje para sacar partido de los conocimientos proporcionados por una red preentrenada para aprender nuevos patrones en datos nuevos. Ajustar una red de clasificación de imágenes preentrenada con transferencia del aprendizaje suele ser más rápido y fácil que entrenarla desde cero. Usar redes profundas preentrenadas permite crear rápidamente modelos para nuevas tareas sin tener que definir y entrenar una nueva red ni disponer de millones de imágenes o de una GPU potente.

Apps

Deep Network Designer

Diseñar, visualizar y entrenar redes de deep learning

Funciones

expandir todo

Entrenar la red

`trainingOptions`	Opciones para entrenar una red neuronal de deep learning
`trainNetwork`	Entrenar redes neuronales de deep learning
`analyzeNetwork`	Analyze deep learning network architecture

Redes preentrenadas

`squeezenet`	SqueezeNet convolutional neural network
`googlenet`	Red neuronal convolucional GoogLeNet
`inceptionv3`	Red neuronal convolucional Inception-v3
`densenet201`	Red neuronal convolucional DenseNet-201
`mobilenetv2`	Red neuronal convolucional MobileNet-v2
`resnet18`	Red neuronal convolucional ResNet-18
`resnet50`	Red neuronal convolucional ResNet-50
`resnet101`	Red neuronal convolucional ResNet-101
`xception`	Red neuronal convolucional Xception
`inceptionresnetv2`	Red neuronal convolucional Inception-ResNet-v2 preentrenada
`nasnetlarge`	Pretrained NASNet-Large convolutional neural network
`nasnetmobile`	Pretrained NASNet-Mobile convolutional neural network
`shufflenet`	Pretrained ShuffleNet convolutional neural network
`darknet19`	DarkNet-19 convolutional neural network
`darknet53`	DarkNet-53 convolutional neural network
`efficientnetb0`	EfficientNet-b0 convolutional neural network
`alexnet`	Red neuronal convolucional AlexNet
`vgg16`	Red neuronal convolucional VGG-16
`vgg19`	Red neuronal convolucional VGG-19

Predicción

`classify`	Classify data using trained deep learning neural network
`predict`	Predict responses using trained deep learning neural network
`activations`	Calcular las activaciones de las capas de una red de deep learning
`confusionchart`	Create confusion matrix chart for classification problem
`sortClasses`	Sort classes of confusion matrix chart

Bloques

expandir todo

Redes neuronales profundas

Predict	Predecir respuestas usando una red neuronal de deep learning entrenada
Image Classifier	Clasificar datos con una red neuronal de deep learning entrenada

Temas

Clasificar imágenes de una webcam mediante deep learning
Este ejemplo muestra cómo clasificar imágenes de una webcam en tiempo real usando una red neuronal convolucional profunda preentrenada, GoogLeNet.
Entrenar redes de deep learning para clasificar nuevas imágenes
Este ejemplo muestra cómo usar la transferencia del aprendizaje para volver a entrenar una red neuronal convolucional para clasificar un nuevo conjunto de imágenes.
Transferencia del aprendizaje mediante una red preentrenada
Este ejemplo muestra cómo ajustar una red neuronal convolucional GoogLeNet preentrenada para clasificar una nueva colección de imágenes.
Redes neuronales profundas preentrenadas
Aprenda a descargar y utilizar redes neuronales convolucionales preentrenadas para clasificación, transferencia del aprendizaje y extracción de características.
Deep Learning in MATLAB
Discover deep learning capabilities in MATLAB^® using convolutional neural networks for classification and regression, including pretrained networks and transfer learning, and training on GPUs, CPUs, clusters, and clouds.
Deep Learning Tips and Tricks
Learn how to improve the accuracy of deep learning networks.
Data Sets for Deep Learning
Discover data sets for various deep learning tasks.

Ejemplos destacados

Clasificar una imagen con GoogLeNet

Este ejemplo muestra cómo clasificar una imagen usando una red neuronal convolucional profunda preentrenada, GoogLeNet.

Abrir script en vivo

Extract Image Features Using Pretrained Network

Extract learned image features from a pretrained convolutional neural network and use those features to train an image classifier. Feature extraction is the easiest and fastest way to use the representational power of pretrained deep networks. For example, you can train a support vector machine (SVM) using fitcecoc (Statistics and Machine Learning Toolbox™) on the extracted features. Because feature extraction only requires a single pass through the data, it is a good starting point if you do not have a GPU to accelerate network training with.

Abrir script en vivo

Transferencia del aprendizaje con Deep Network Designer

Ajuste de manera interactiva una red de deep learning preentrenada para aprender una tarea nueva de clasificación de imágenes.

Abrir script en vivo

Convert Classification Network into Regression Network

Convert a trained classification network into a regression network.

Abrir script en vivo

Classify Images in Simulink Using GoogLeNet

Classify an image in Simulink® using the Image Classifier block. The example uses the pretrained deep convolutional neural network GoogLeNet to perform the classification.

Abrir script