이 페이지의 최신 내용은 아직 번역되지 않았습니다. 최신 내용은 영문으로 볼 수 있습니다.

이미지에서의 심층 학습

컨벌루션 신경망을 처음부터 훈련시키거나 사전 훈련된 네트워크를 사용하여 새로운 작업을 빠르게 학습합니다.

네트워크 아키텍처를 정의하고 네트워크를 처음부터 훈련시켜 이미지 분류 및 회귀 작업을 위한 새 심층 네트워크를 만듭니다. 전이 학습을 사용하여 사전 훈련된 네트워크가 제공하는 지식을 활용해 새 데이터의 새 패턴을 학습할 수도 있습니다. 전이 학습을 통해 사전 훈련된 이미지 분류 네트워크를 미세 조정하는 것이 일반적으로 처음부터 훈련시키는 것보다 훨씬 더 빠르고 쉽습니다. 사전 훈련된 심층 네트워크를 사용하면 새로운 네트워크를 정의하고 훈련시키거나, 수백만 개의 이미지를 갖거나, 강력한 GPU를 가질 필요 없이 새 작업을 빠르게 학습할 수 있습니다.

네트워크 아키텍처를 정의한 후에 trainingOptions 함수를 사용하여 훈련 파라미터를 정의해야 합니다. 그런 다음 trainNetwork를 사용하여 네트워크를 훈련시킬 수 있습니다. 훈련된 네트워크를 사용하여 클래스 레이블이나 숫자형 응답 변수를 예측합니다.

CPU, GPU, 여러 개의 CPU나 GPU 또는 클러스터나 클라우드에서 병렬로 컨벌루션 신경망을 훈련시킬 수 있습니다. GPU에서 또는 병렬로 훈련시키려면 Parallel Computing Toolbox™가 필요합니다. GPU를 사용하려면 CUDA® 지원 NVIDIA® GPU(Compute Capability 3.0 이상)가 필요합니다. trainingOptions 함수를 사용해서 실행 환경을 지정하십시오.

심층 네트워크 디자이너심층 학습 네트워크의 편집 및 생성

함수

모두 확장

trainingOptions심층 학습 신경망 훈련 옵션
trainNetwork심층 학습을 위해 신경망 훈련
analyzeNetwork심층 학습 네트워크 아키텍처 분석
alexnet사전 훈련된 AlexNet 컨벌루션 신경망
vgg16사전 훈련된 VGG-16 컨벌루션 신경망
vgg19사전 훈련된 VGG-19 컨벌루션 신경망
squeezenet사전 훈련된 SqueezeNet 컨벌루션 신경망
googlenet사전 훈련된 GoogLeNet 컨벌루션 신경망
inceptionv3사전 훈련된 Inception-v3 컨벌루션 신경망
densenet201Pretrained DenseNet-201 convolutional neural network
mobilenetv2Pretrained MobileNet-v2 convolutional neural network
resnet18Pretrained ResNet-18 convolutional neural network
resnet50사전 훈련된 ResNet-50 컨벌루션 신경망
resnet101사전 훈련된 ResNet-101 컨벌루션 신경망
xceptionPretrained Xception convolutional neural network
inceptionresnetv2사전 훈련된 Inception-ResNet-v2 컨벌루션 신경망
imageInputLayer이미지 입력 계층
image3dInputLayer3-D image input layer
convolution2dLayer2차원 컨벌루션 계층
convolution3dLayer3-D convolutional layer
groupedConvolution2dLayer2-D grouped convolutional layer
transposedConv2dLayerTransposed 2-D convolution layer
transposedConv3dLayerTransposed 3-D convolution layer
fullyConnectedLayer완전 연결 계층
reluLayerReLU(Rectified Linear Unit) 계층
leakyReluLayerLeaky ReLU(Rectified Linear Unit) 계층
clippedReluLayerClipped ReLU(Rectified Linear Unit) 계층
eluLayerExponential linear unit (ELU) layer
tanhLayerHyperbolic tangent (tanh) layer
batchNormalizationLayer배치 정규화 계층
crossChannelNormalizationLayer 채널별 국소 응답 정규화 계층
dropoutLayer드롭아웃 계층
averagePooling2dLayer평균값 풀링 계층
averagePooling3dLayer3-D average pooling layer
maxPooling2dLayer최댓값 풀링 계층
maxPooling3dLayer3-D max pooling layer
maxUnpooling2dLayer최댓값 언풀링 계층
additionLayer덧셈 계층
concatenationLayerConcatenation layer
depthConcatenationLayer심도 결합 계층
softmaxLayer소프트맥스 계층
classificationLayer분류 출력 계층
regressionLayer회귀 출력 계층 만들기
augmentedImageDatastore배치를 변환하여 이미지 데이터 증대
imageDataAugmenter이미지 데이터 증대 구성
augmentApply identical random transformations to multiple images
layerGraph심층 학습(딥러닝)을 위한 네트워크 계층의 그래프
plot신경망 계층 그래프 플로팅
addLayers계층 그래프에 계층 추가
removeLayers계층 그래프에서 계층 제거
replaceLayerReplace layer in layer graph
connectLayers계층 그래프에서 계층 연결
disconnectLayers계층 그래프에서 계층 연결 끊기
DAGNetwork심층 학습(딥러닝)을 위한 DAG(유방향 비순환 그래프) 네트워크
classify훈련된 심층 학습(딥러닝) 신경망을 사용하여 데이터 분류
activations컨벌루션 신경망 계층의 활성화 결과 구하기
predict훈련된 심층 학습(딥러닝) 신경망을 사용하여 응답 변수 예측
confusionchartCreate confusion matrix chart for classification problem
ConfusionMatrixChart PropertiesConfusion matrix chart appearance and behavior
sortClassesSort classes of confusion matrix chart

예제 및 방법

사전 훈련된 네트워크 사용하기

GoogLeNet을 사용하여 이미지 분류하기

이 예제에서는 사전 훈련된 심층 컨벌루션 신경망 GoogLeNet을 사용하여 이미지를 분류하는 방법을 보여줍니다.

심층 학습을 사용하여 웹캠 이미지 분류하기

이 예제에서는 사전 훈련된 심층 컨벌루션 신경망 GoogLeNet을 사용하여 웹캠의 이미지를 실시간으로 분류하는 방법을 보여줍니다.

심층 네트워크 디자이너를 사용한 전이 학습

사전 훈련된 심층 학습 네트워크가 새로운 이미지 분류 작업을 학습하도록 대화형 방식으로 미세 조정합니다.

새로운 이미지를 분류하도록 심층 학습 네트워크 훈련시키기

이 예제에서는 새로운 이미지 세트를 분류할 수 있도록 전이 학습을 사용하여 컨벌루션 신경망을 다시 훈련시키는 방법을 보여줍니다.

Extract Image Features Using Pretrained Network

This example shows how to extract learned image features from a pretrained convolutional neural network, and use those features to train an image classifier.

AlexNet을 사용한 전이 학습

이 예제에서는 사전 훈련된 AlexNet 컨벌루션 신경망이 새로운 이미지 모음에 대해 분류를 수행하도록 미세 조정하는 방법을 보여줍니다.

사전 훈련된 심층 신경망

분류, 전이 학습 및 특징 추출을 위해 사전 훈련된 컨벌루션 신경망을 다운로드하고 사용하는 방법을 알아봅니다.

새로운 심층 네트워크 만들기

간단한 분류용 심층 학습 네트워크 만들기

이 예제에서는 심층 학습 분류용으로 간단한 컨벌루션 신경망을 만들고 훈련시키는 방법을 보여줍니다.

Build Networks with Deep Network Designer

Interactively build and edit deep learning networks.

회귀를 위해 컨벌루션 신경망 훈련시키기

이 예제에서는 컨벌루션 신경망을 사용하여 손으로 쓴 숫자의 회전 각도를 예측하는 회귀 모델을 피팅하는 방법을 보여줍니다.

심층 학습 계층 목록

MATLAB®에서 제공하는 심층 학습 계층에 대해 알아봅니다.

컨벌루션 신경망의 계층 지정하기

컨벌루션 신경망(ConvNet)에는 어떤 계층이 있는지 그리고 이들 계층이 ConvNet에서 어떤 순서로 나타나는자 알아봅니다.

Generate MATLAB Code from Deep Network Designer

Recreate a network created or edited in Deep Network Designer by generating MATLAB code.

이미지 분류를 위해 잔차 네트워크 훈련시키기

이 예제에서는 잔차 연결을 사용하여 심층 학습 신경망을 만들고 CIFAR-10 데이터에 대해 훈련시키는 방법을 보여줍니다.

개념

MATLAB의 심층 학습

사전 훈련된 네트워크 및 전이 학습, 그리고 GPU, CPU, 클러스터 및 클라우드에서의 훈련 등 분류 및 회귀에 컨벌루션 신경망을 사용하여 MATLAB의 심층 학습 기능을 알아봅니다.

파라미터를 설정하고 컨벌루션 신경망 훈련시키기

컨벌루션 신경망의 훈련 파라미터를 설정하는 방법을 알아봅니다.

심층 학습을 위해 이미지 전처리하기

훈련, 예측 및 분류를 위해 이미지의 크기를 조정하는 방법과 데이터 증대, 변환 및 특화된 데이터저장소를 사용하여 이미지를 전처리하는 방법을 알아봅니다.

Preprocess Volumes for Deep Learning

Read and preprocess volumetric image and label data for 3-D deep learning.

Datastores for Deep Learning

Learn how to use datastores in deep learning applications.

분류 네트워크를 회귀 네트워크로 변환하기

이 예제에서는 훈련된 분류 네트워크를 회귀 네트워크로 변환하는 방법을 보여줍니다.

Deep Learning Tips and Tricks

Learn how to improve the accuracy of deep learning networks.

추천 예제