inceptionv3
Red neuronal convolucional Inception-v3
Sintaxis
Descripción
Inception-v3 es una red neuronal convolucional con 48 capas de profundidad. Puede cargar una versión preentrenada de la red entrenada en más de un millón de imágenes desde la base de datos [1] de ImageNet. La red preentrenada puede clasificar imágenes en 1000 categorías de objetos (por ejemplo, teclado, ratón, lápiz y muchos animales). Como resultado, la red ha aprendido representaciones ricas en características para una amplia gama de imágenes. El tamaño de la entrada de imagen de la red es de 299 por 299. Para ver más redes preentrenadas en MATLAB®, consulte Redes neuronales profundas preentrenadas.
Puede utilizar classify
para clasificar nuevas imágenes utilizando el modelo Inception-v3. Siga los pasos que se muestran en Clasificar una imagen con GoogLeNet y reemplace GoogLeNet por Inception-v3.
Para volver a entrenar la red en una nueva tarea de clasificación, siga los pasos indicados en Entrenar redes de deep learning para clasificar nuevas imágenes y cargue Inception-v3 en lugar de GoogLeNet.
devuelve una red Inception-v3 entrenada con la base de datos de ImageNet.net
= inceptionv3
Esta función requiere el paquete de soporte Deep Learning Toolbox™ Model for Inception-v3 Network. Si no ha instalado el paquete de soporte, la función proporciona un enlace de descarga.
devuelve una red Inception-v3 entrenada con la base de datos de ImageNet. Esta sintaxis es equivalente a net
= inceptionv3('Weights','imagenet'
)net = inceptionv3
.
devuelve la arquitectura de red Inception-v3 sin entrenar. El modelo sin entrenar no requiere ningún paquete de soporte. lgraph
= inceptionv3('Weights','none'
)
Ejemplos
Argumentos de salida
Referencias
[1] ImageNet. http://www.image-net.org
[2] Szegedy, Christian, Vincent Vanhoucke, Sergey Ioffe, Jon Shlens, and Zbigniew Wojna. "Rethinking the inception architecture for computer vision." In Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition, pp. 2818-2826. 2016.
Capacidades ampliadas
Historial de versiones
Introducido en R2017b
Consulte también
Deep Network Designer | vgg16
| vgg19
| googlenet
| resnet18
| resnet50
| trainNetwork
| inceptionresnetv2
| squeezenet
| layerGraph
| DAGNetwork
| densenet201