resnet50
Red neuronal convolucional ResNet-50
Descripción
ResNet-50 es una red neuronal convolucional con 50 capas de profundidad. Puede cargar una versión preentrenada de la red neuronal entrenada con más de un millón de imágenes desde la base de datos [1] de ImageNet. La red neuronal preentrenada puede clasificar imágenes en 1000 categorías de objetos (por ejemplo, teclado, ratón, lápiz y muchos animales). Como resultado, la red neuronal ha aprendido representaciones ricas en características para una amplia gama de imágenes. El tamaño de la entrada de imagen de la red neuronal es de 224 por 224. Para ver más redes neuronales preentrenadas en MATLAB®, consulte Redes neuronales profundas preentrenadas.
Puede utilizar classify
para clasificar nuevas imágenes usando el modelo ResNet-50. Siga los pasos que se muestran en Clasificar una imagen con GoogLeNet y reemplace GoogLeNet por ResNet-50.
Para volver a entrenar una red neuronal en una nueva tarea de clasificación, siga los pasos indicados en Entrenar redes de deep learning para clasificar nuevas imágenes y cargue ResNet-50 en lugar de GoogLeNet.
Sugerencia
Para crear una red neuronal residual sin entrenar que sea adecuada para realizar tareas de clasificación de imágenes, utilice resnetLayers
.
devuelve una red neuronal ResNet-50 entrenada con el conjunto de datos de ImageNet.net
= resnet50
Esta función requiere el paquete de soporte Deep Learning Toolbox™ Model for ResNet-50 Network. Si no ha instalado el paquete de soporte, la función proporciona un enlace de descarga.
devuelve una red neuronal ResNet-50 entrenada con el conjunto de datos de ImageNet. Esta sintaxis es equivalente a net
= resnet50('Weights','imagenet'
)net = resnet50
.
devuelve la arquitectura de red neuronal ResNet-50 sin entrenar. El modelo sin entrenar no requiere ningún paquete de soporte. lgraph
= resnet50('Weights','none'
)
Ejemplos
Argumentos de salida
Referencias
[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.
Capacidades ampliadas
Historial de versiones
Introducido en R2017b
Consulte también
Deep Network Designer | resnetLayers
| vgg16
| vgg19
| googlenet
| trainNetwork
| layerGraph
| DAGNetwork
| resnet18
| resnet101
| densenet201
| inceptionresnetv2
| squeezenet