vgg16
(No recomendado) Red neuronal convolucional VGG-16
No se recomienda el uso de vgg16
. Utilice la función imagePretrainedNetwork
en su lugar y especifique el modelo "vgg16"
. Para obtener más información, consulte Historial de versiones.
Descripción
VGG-16 es una red neuronal convolucional con 16 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 224 por 224. Para ver más redes preentrenadas en MATLAB®, consulte Redes neuronales profundas preentrenadas.
devuelve una red entrenada VGG-16 al conjunto de datos de ImageNet.net
= vgg16
Esta función requiere el paquete de soporte Deep Learning Toolbox™ Model for VGG-16 Network. Si no ha instalado el paquete de soporte, la función proporciona un enlace de descarga.
devuelve una red entrenada VGG-16 al conjunto de datos de ImageNet. Esta sintaxis es equivalente a net
= vgg16('Weights','imagenet'
)net = vgg16
.
devuelve la arquitectura de red VGG-16 sin entrenar. El modelo sin entrenar no requiere ningún paquete de soporte.layers
= vgg16('Weights','none'
)
Ejemplos
Argumentos de salida
Referencias
[1] ImageNet. http://www.image-net.org.
[2] Russakovsky, O., Deng, J., Su, H., et al. “ImageNet Large Scale Visual Recognition Challenge.” International Journal of Computer Vision (IJCV). Vol 115, Issue 3, 2015, pp. 211–252
[3] Simonyan, Karen, and Andrew Zisserman. "Very deep convolutional networks for large-scale image recognition." arXiv preprint arXiv:1409.1556 (2014).
[4] Very Deep Convolutional Networks for Large-Scale Visual Recognition http://www.robots.ox.ac.uk/~vgg/research/very_deep/
Capacidades ampliadas
Historial de versiones
Introducido en R2017aConsulte también
imagePretrainedNetwork
| dlnetwork
| trainingOptions
| trainnet
| Deep Network Designer