vgg16
VGG-16 卷积神经网络
说明
VGG-16 是深度为 16 层的卷积神经网络。您可以从 ImageNet 数据库 [1] 中加载该网络的预训练版本,该版本基于 ImageNet 数据库的超过一百万个图像进行训练。该预训练网络可以将图像分类至 1000 个目标类别(例如键盘、鼠标、铅笔和多种动物)。因此,该网络已基于大量图像学习了丰富的特征表示。该网络的图像输入大小为 224×224。有关 MATLAB® 中预训练网络的详细信息,请参阅预训练的深度神经网络。
您可以通过 classify
使用 VGG-16 网络对新图像进行分类。按照使用 GoogLeNet 对图像进行分类的步骤执行操作,但是用 VGG-16 替换 GoogLeNet。
要针对新分类任务重新训练网络,请按照训练深度学习网络以对新图像进行分类的步骤操作,但是加载 VGG-16 而不是 GoogLeNet。
返回基于 ImageNet 数据集训练的 VGG-16 网络。net
= vgg16
此函数需要 Deep Learning Toolbox™ Model for VGG-16 Network 支持包。如果未安装此支持包,则函数会提供下载链接。
返回基于 ImageNet 数据集训练的 VGG-16 网络。此语法等效于 net
= vgg16('Weights','imagenet'
)net = vgg16
。
返回未经训练的 VGG-16 网络架构。未经训练的模型不需要支持包。layers
= vgg16('Weights','none'
)
示例
输出参数
参考
[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/
扩展功能
版本历史记录
在 R2017a 中推出