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

darknet53

(권장되지 않음) DarkNet-53 컨벌루션 신경망

• 

darknet53 함수는 권장되지 않습니다. 대신 imagePretrainedNetwork 함수를 사용하고 "darknet53" 모델을 지정하십시오. 자세한 내용은 버전 내역을 참조하십시오.

구문

net = darknet53

net = darknet53('Weights','imagenet')

lgraph = darknet53('Weights','none')

설명

DarkNet-53은 53개 계층으로 구성된 컨벌루션 신경망입니다. ImageNet 데이터베이스의 1백만 개가 넘는 영상에 대해 훈련된 신경망의 사전 훈련된 버전을 불러올 수 있습니다 [1]. 사전 훈련된 신경망은 영상을 키보드, 마우스, 연필, 각종 동물 등 1,000가지 사물 범주로 분류할 수 있습니다. 그 결과 이 신경망은 다양한 영상을 대표하는 다양한 특징을 학습했습니다. 신경망의 영상 입력 크기는 256×256입니다. MATLAB^®의 여타 훈련된 신경망에 대한 자세한 내용은 사전 훈련된 심층 신경망 항목을 참조하십시오.

DarkNet-53은 종종 객체 검출 문제와 YOLO 워크플로의 기반으로 사용됩니다 [2]. YOLO(You Only Look Once) v2 객체 검출기를 훈련시키는 방법에 대한 예제는 YOLO v2 딥러닝을 사용한 객체 검출 항목을 참조하십시오. 이 예제에서는 특징 추출에 ResNet-50을 사용합니다. 응용 사례의 요구 사항에 따라 DarkNet-19, DarkNet-53, MobileNet-v2 또는 ResNet-18과 같은 기타 사전 훈련된 신경망도 사용할 수 있습니다.

net = darknet53은 ImageNet 데이터 세트에서 훈련된 DarkNet-53 신경망을 반환합니다.

이 함수를 사용하려면 Deep Learning Toolbox™ Model for DarkNet-53 Network 지원 패키지가 필요합니다. 이 지원 패키지가 설치되어 있지 않으면 함수에서 다운로드 링크를 제공합니다.

net = darknet53('Weights','imagenet')은 ImageNet 데이터 세트에서 훈련된 DarkNet-53 신경망을 반환합니다. 이 구문은 net = darknet53과 동일합니다.

lgraph = darknet53('Weights','none')은 훈련되지 않은 DarkNet-53 신경망 아키텍처를 반환합니다. 훈련되지 않은 모델에는 지원 패키지가 필요하지 않습니다.

예제

DarkNet-53 지원 패키지 다운로드하기

Deep Learning Toolbox Model for DarkNet-53 Network 지원 패키지를 다운로드하고 설치합니다.

명령줄에 darknet53을 입력합니다.

darknet53

Deep Learning Toolbox Model for DarkNet-53 Network 지원 패키지가 설치되어 있지 않은 경우, 필요한 지원 패키지로 연결되는 애드온 탐색기 링크를 함수에서 제공합니다. 지원 패키지를 설치하려면 링크를 클릭한 다음 설치를 클릭하십시오. 명령줄에 darknet53을 입력하여 설치가 성공적으로 완료되었는지 확인하십시오. 필요한 지원 패키지가 설치되어 있는 경우, 함수가 DAGNetwork 객체를 반환합니다.

darknet53

ans = 

  DAGNetwork with properties:

         Layers: [184×1 nnet.cnn.layer.Layer]
    Connections: [206×2 table]
     InputNames: {'input'}
    OutputNames: {'output'}

심층 신경망 디자이너를 사용하여 신경망을 시각화합니다.

deepNetworkDesigner(darknet53)

새로 만들기를 클릭하여 심층 신경망 디자이너에서 사전 훈련된 다른 신경망을 살펴봅니다.

신경망을 다운로드해야 할 경우에는 원하는 신경망에서 잠시 멈추고 설치를 클릭하여 애드온 탐색기를 엽니다.

출력 인수

net — 사전 훈련된 DarkNet-53 컨벌루션 신경망

DAGNetwork

사전 훈련된 DarkNet-53 컨벌루션 신경망으로, DAGNetwork 객체로 반환됩니다.

lgraph — 훈련되지 않은 DarkNet-53 컨벌루션 신경망 아키텍처

LayerGraph 객체

훈련되지 않은 DarkNet-53 컨벌루션 신경망 아키텍처로, LayerGraph 객체로 반환됩니다.

참고 문헌

[1] ImageNet. http://www.image-net.org.

[2] Redmon, Joseph. “Darknet: Open Source Neural Networks in C.” https://pjreddie.com/darknet.

확장 기능

C/C++ 코드 생성

MATLAB® Coder™를 사용하여 C 코드나 C++ 코드를 생성할 수 있습니다.

사용법 관련 참고 및 제한 사항:

코드 생성을 하려면, 구문 net = darknet53을 사용하거나 coder.loadDeepLearningNetwork (MATLAB Coder)로 darknet53 함수를 전달하여 신경망을 불러올 수 있습니다. 예: net = coder.loadDeepLearningNetwork('darknet53')

코드 생성에는 darknet53('Weights','none') 구문이 지원되지 않습니다.

GPU 코드 생성

GPU Coder™를 사용하여 NVIDIA® GPU용 CUDA® 코드를 생성할 수 있습니다.

사용법 관련 참고 및 제한 사항:

• 코드 생성을 하려면, 구문 net = darknet53을 사용하거나 coder.loadDeepLearningNetwork (GPU Coder)로 darknet53 함수를 전달하여 신경망을 불러올 수 있습니다. 예: net = coder.loadDeepLearningNetwork('darknet53').

  자세한 내용은 Load Pretrained Networks for Code Generation (GPU Coder) 항목을 참조하십시오.

• GPU 코드 생성에는 darknet53('Weights','none') 구문이 지원되지 않습니다.

버전 내역

R2020a에 개발됨

R2024a: 권장되지 않음

darknet53 함수는 권장되지 않습니다. 대신 imagePretrainedNetwork 함수를 사용하고 "darknet53" 모델을 지정하십시오.

darknet53 함수에 대한 지원을 제거할 계획은 없습니다. 그러나 imagePretrainedNetwork 함수에는 전이 학습 워크플로에 도움이 되는 추가 기능이 있습니다. 예를 들어, numClasses 옵션을 사용하여 데이터의 클래스 개수를 지정할 수 있습니다. 또한 이 함수는 별도의 수정 없이도 훈련을 다시 할 수 있는 상태로 신경망을 반환합니다.

imagePretrainedNetwork 함수는 신경망을 dlnetwork 객체로 반환하는데 이 객체에는 클래스 이름이 저장되지 않습니다. 사전 훈련된 신경망의 클래스 이름을 가져오려면 imagePretrainedNetwork 함수의 두 번째 출력 인수를 사용하십시오.

다음 표에서는 darknet53 함수의 몇 가지 일반적인 사용법과 imagePretrainedNetwork 함수를 대신 사용하도록 코드를 업데이트하는 방법을 보여줍니다.

권장되지 않음	권장됨
net = darknet53;	[net,classNames] = imagePretrainedNetwork("darknet53");
net = darknet53(Weights="none");	net = imagePretrainedNetwork("darknet53",Weights="none");

imagePretrainedNetwork는 dlnetwork 객체를 반환하는데, 이 객체는 다음과 같은 이점도 있습니다.

• dlnetwork 객체는 신경망 구축, 예측, 기본 제공 훈련, 시각화, 압축, 검증 및 사용자 지정 훈련 루프를 지원하는 통합 데이터형입니다.

• dlnetwork 객체는 외부 플랫폼에서 만들거나 가져올 수 있는 더 넓은 범위의 신경망 아키텍처를 지원합니다.

• dlnetwork 객체는 trainnet 함수에서 지원되기 때문에 손실 함수를 쉽게 지정할 수 있습니다. 내장 손실 함수 중에서 선택하거나 사용자 지정 손실 함수를 지정할 수 있습니다.

• 일반적으로 dlnetwork 객체를 사용한 훈련과 예측이 LayerGraph와 trainNetwork를 사용하는 워크플로보다 더 빠릅니다.

dlnetwork 객체로 지정된 신경망을 훈련시키려면 trainnet 함수를 사용하십시오.

참고 항목

imagePretrainedNetwork | dlnetwork | trainingOptions | trainnet | 심층 신경망 디자이너

도움말 항목

• 심층 신경망 디자이너를 사용하는 전이 학습을 위해 신경망 준비하기
• MATLAB의 딥러닝
• 사전 훈련된 심층 신경망
• GoogLeNet을 사용하여 영상 분류하기
• Retrain Neural Network to Classify New Images
• 영상 분류를 위해 잔차 신경망 훈련시키기