Main Content

이 번역 페이지는 최신 내용을 담고 있지 않습니다. 최신 내용을 영문으로 보려면 여기를 클릭하십시오.

영상에서의 딥러닝

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

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

신경망 아키텍처를 정의한 후에 trainingOptions 함수를 사용하여 훈련 파라미터를 정의해야 합니다. 그런 다음 trainNetwork를 사용하여 신경망을 훈련시킬 수 있습니다. 훈련된 신경망을 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 지원되는 GPU 장치가 필요합니다. (지원되는 장치에 대한 자세한 내용은 릴리스별 GPU 지원 (Parallel Computing Toolbox) 항목을 참조하십시오.) trainingOptions 함수를 사용해서 실행 환경을 지정하십시오.

심층 신경망 디자이너딥러닝 신경망의 설계, 시각화 및 훈련

함수

모두 확장

trainingOptions딥러닝 신경망 훈련 옵션
trainNetwork딥러닝 신경망 훈련
analyzeNetwork딥러닝 신경망 아키텍처 분석
squeezenetSqueezeNet 컨벌루션 신경망
googlenetGoogLeNet 컨벌루션 신경망
inceptionv3Inception-v3 컨벌루션 신경망
densenet201DenseNet-201 컨벌루션 신경망
mobilenetv2MobileNet-v2 컨벌루션 신경망
resnet18ResNet-18 컨벌루션 신경망
resnet50ResNet-50 컨벌루션 신경망
resnet101ResNet-101 컨벌루션 신경망
xceptionXception convolutional neural network
inceptionresnetv2사전 훈련된 Inception-ResNet-v2 컨벌루션 신경망
nasnetlargePretrained NASNet-Large convolutional neural network
nasnetmobilePretrained NASNet-Mobile convolutional neural network
shufflenetPretrained ShuffleNet convolutional neural network
darknet19DarkNet-19 convolutional neural network
darknet53DarkNet-53 convolutional neural network
efficientnetb0EfficientNet-b0 convolutional neural network
alexnetAlexNet 컨벌루션 신경망
vgg16VGG-16 컨벌루션 신경망
vgg19VGG-19 컨벌루션 신경망

입력 계층

imageInputLayer영상 입력 계층
image3dInputLayer3-D image input layer
featureInputLayerFeature input layer

컨벌루션 계층과 완전 연결 계층

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

활성화 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
swishLayerSwish layer

정규화, 드롭아웃 및 자르기 계층

batchNormalizationLayer배치 정규화 계층
groupNormalizationLayerGroup normalization layer
instanceNormalizationLayerInstance normalization layer
layerNormalizationLayerLayer normalization layer
crossChannelNormalizationLayer 채널별 국소 응답 정규화 계층
dropoutLayer드롭아웃 계층
crop2dLayer2-D crop layer
crop3dLayer3-D crop layer

풀링 및 언풀링 계층

averagePooling2dLayer평균값 풀링 계층
averagePooling3dLayer3-D average pooling layer
globalAveragePooling2dLayerGlobal average pooling layer
globalAveragePooling3dLayer3-D global average pooling layer
globalMaxPooling2dLayerGlobal max pooling layer
globalMaxPooling3dLayer3-D global max pooling layer
maxPooling2dLayer최댓값 풀링 계층
maxPooling3dLayer3-D max pooling layer
maxUnpooling2dLayer최댓값 언풀링 계층

결합 계층

additionLayer덧셈 계층
multiplicationLayerMultiplication layer
concatenationLayerConcatenation layer
depthConcatenationLayer심도 결합 계층

출력 계층

sigmoidLayerSigmoid layer
softmaxLayer소프트맥스 계층
classificationLayer분류 출력 계층
regressionLayer회귀 출력 계층 만들기
augmentedImageDatastore배치를 변환하여 영상 데이터 증대
imageDataAugmenter영상 데이터 증대 구성
augmentApply identical random transformations to multiple images
layerGraph딥러닝을 위한 신경망 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
DAGNetwork딥러닝을 위한 DAG(유방향 비순환 그래프) 신경망
isequalCheck equality of deep learning layer graphs or networks
isequalnCheck equality of deep learning layer graphs or networks ignoring NaN values
classify훈련된 딥러닝 신경망을 사용하여 데이터 분류
predict훈련된 딥러닝 신경망을 사용하여 응답 변수 예측
activations딥러닝 신경망 계층 활성화 계산
confusionchartCreate confusion matrix chart for classification problem
sortClassesSort classes of confusion matrix chart

블록

모두 확장

PredictPredict responses using a trained deep learning neural network
Image ClassifierClassify data using a trained deep learning neural network

속성

ConfusionMatrixChart PropertiesConfusion matrix chart appearance and behavior

예제 및 방법

사전 훈련된 신경망 사용하기

GoogLeNet을 사용하여 영상 분류하기

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

딥러닝을 사용하여 웹캠 영상 분류하기

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

심층 신경망 디자이너를 사용한 전이 학습

사전 훈련된 딥러닝 신경망이 새로운 영상 분류 작업을 학습하도록 대화형 방식으로 미세 조정합니다.

새로운 영상을 분류하도록 딥러닝 신경망 훈련시키기

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

사전 훈련된 신경망을 사용하여 영상 특징 추출하기

이 예제에서는 사전 훈련된 컨벌루션 신경망에서 학습된 영상 특징을 추출한 다음 추출한 특징을 사용하여 영상 분류기를 훈련시키는 방법을 보여줍니다.

Transfer Learning Using Pretrained Network

This example shows how to fine-tune a pretrained GoogLeNet convolutional neural network to perform classification on a new collection of images.

사전 훈련된 심층 신경망

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

새로운 심층 신경망 만들기

간단한 분류용 딥러닝 신경망 만들기

이 예제에서는 딥러닝 분류용으로 간단한 컨벌루션 신경망을 만들고 훈련시키는 방법을 보여줍니다.

심층 신경망 디자이너를 사용하여 신경망 구축하기

딥러닝 신경망을 대화형 방식으로 구축하고 편집합니다.

회귀를 위해 컨벌루션 신경망 훈련시키기

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

딥러닝 계층 목록

MATLAB®에서 제공하는 딥러닝 계층에 대해 알아봅니다.

컨벌루션 신경망의 계층 지정하기

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

Generate MATLAB Code from Deep Network Designer

Generate MATLAB code to recreate designing and training a network in Deep Network Designer.

영상 분류를 위해 잔차 신경망 훈련시키기

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

Train Network with Numeric Features

This example shows how to create and train a simple neural network for deep learning feature data classification.

Multiple-Input and Multiple-Output Networks

Learn how to define and train deep learning networks with multiple inputs or multiple outputs.

생성적 적대 신경망(GAN) 훈련시키기

이 예제에서는 생성적 적대 신경망을 훈련시켜서 영상을 생성하는 방법을 보여줍니다.

Train Conditional Generative Adversarial Network (CGAN)

This example shows how to train a conditional generative adversarial network to generate images.

Train Fast Style Transfer Network

This example shows how to train a network to transfer the style of an image to a second image.

Image Captioning Using Attention

This example shows how to train a deep learning model for image captioning using attention.

Train Network Using Custom Training Loop

This example shows how to train a network that classifies handwritten digits with a custom learning rate schedule.

Train Network with Multiple Outputs

This example shows how to train a deep learning network with multiple outputs that predict both labels and angles of rotations of handwritten digits.

Train a Siamese Network to Compare Images

This example shows how to train a Siamese network to identify similar images of handwritten characters.

Import Custom Layer into Deep Network Designer

This example shows how to import a custom classification output layer with the sum of squares error (SSE) loss and add it to a pretrained network in Deep Network Designer.

Image-to-Image Regression in Deep Network Designer

This example shows how to use Deep Network Designer to construct and train an image-to-image regression network for super resolution.

개념

MATLAB의 딥러닝

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

파라미터를 설정하고 컨벌루션 신경망 훈련시키기

컨벌루션 신경망의 훈련 파라미터를 설정하는 방법을 알아봅니다.

딥러닝을 위해 영상 전처리하기

훈련, 예측 및 분류를 위해 영상의 크기를 조정하는 방법과 데이터 증대, 변환 및 특화된 데이터저장소를 사용하여 영상을 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 신경망을 회귀 신경망으로 변환하기

이 예제에서는 훈련된 분류 신경망을 회귀 신경망으로 변환하는 방법을 보여줍니다.

딥러닝 팁과 요령

딥러닝 신경망의 정확도를 높이는 방법을 알아봅니다.

Data Sets for Deep Learning

Discover data sets for various deep learning tasks.

Import Data into Deep Network Designer

Import and visualize data in Deep Network Designer.

추천 예제