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

googlenet

GoogLeNet 컨벌루션 신경망

• 

×

구문

net = googlenet

net = googlenet('Weights',weights)

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

설명

GoogLeNet은 22개 계층으로 구성된 컨벌루션 신경망입니다. ImageNet [1] 데이터 세트 또는 Places365 [3] 데이터 세트에서 훈련된 신경망의 사전 훈련된 버전을 불러올 수 있습니다. ImageNet에서 훈련된 신경망은 영상을 키보드, 마우스, 연필, 각종 동물 등 1,000가지 사물 범주로 분류합니다. Places365에서 훈련된 신경망은 ImageNet에서 훈련된 신경망과 비슷한데, 다만 영상을 들판, 공원, 활주로, 로비 등 365가지 장소 범주로 분류합니다. 이러한 신경망은 다양한 영상을 대표하는 다양한 특징을 학습했습니다. 두 사전 훈련된 신경망 모두 영상 입력 크기가 224×224입니다. MATLAB^®의 여타 훈련된 신경망에 대한 자세한 내용은 사전 훈련된 심층 신경망 항목을 참조하십시오.

GoogLeNet을 사용하여 새 영상을 분류하려면 classify를 사용하십시오. 예제는 GoogLeNet을 사용하여 영상 분류하기 항목을 참조하십시오.

전이 학습을 사용하여 GoogLeNet 신경망이 새로운 작업을 수행하도록 다시 훈련시킬 수 있습니다. 전이 학습을 수행할 때 가장 일반적인 방법은 ImageNet 데이터 세트에서 사전 훈련된 신경망을 사용하는 것입니다. 새 작업이 장면 분류와 비슷한 경우, Places-365에서 훈련된 신경망을 사용하면 더 높은 정확도를 얻을 수 있습니다. 새로운 분류 작업에서 GoogLeNet을 다시 훈련시키는 방법을 보여주는 예제는 새로운 영상을 분류하도록 딥러닝 신경망 훈련시키기 항목을 참조하십시오.

net = googlenet은 ImageNet 데이터 세트에서 훈련된 GoogLeNet 신경망을 반환합니다.

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

net = googlenet('Weights',weights)는 ImageNet 또는 Places365 데이터 세트에서 훈련된 GoogLeNet 신경망을 반환합니다. 구문 googlenet('Weights','imagenet')(디폴트 값)은 googlenet과 동일합니다.

ImageNet에서 훈련된 신경망을 사용하려면 Deep Learning Toolbox Model for GoogLeNet Network 지원 패키지가 필요합니다. Places365에서 훈련된 신경망을 사용하려면 Deep Learning Toolbox Model for Places365-GoogLeNet Network 지원 패키지가 필요합니다. 필요한 지원 패키지가 설치되어 있지 않으면 함수에서 다운로드 링크를 제공합니다.

lgraph = googlenet('Weights','none')은 훈련되지 않은 GoogLeNet 신경망 아키텍처를 반환합니다. 훈련되지 않은 모델에는 지원 패키지가 필요하지 않습니다.

예제

GoogLeNet 지원 패키지 다운로드하기

Deep Learning Toolbox Model for GoogLeNet Network 지원 패키지를 다운로드하고 설치합니다.

명령줄에 googlenet을 입력합니다.

googlenet

Deep Learning Toolbox Model for GoogLeNet 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 googlenet를 입력하여 설치가 성공적으로 완료되었는지 확인하십시오. 필요한 지원 패키지가 설치되어 있는 경우, 함수가 DAGNetwork 객체를 반환합니다.

googlenet

ans = 

  DAGNetwork with properties:

         Layers: [144×1 nnet.cnn.layer.Layer]
    Connections: [170×2 table]

심층 신경망 디자이너를 사용하여 신경망을 시각화합니다.

deepNetworkDesigner(googlenet)

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

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

입력 인수

weights — 신경망 파라미터의 출처

'imagenet' (디폴트 값) | 'places365' | 'none'

신경망 파라미터의 출처로, 'imagenet', 'places365' 또는 'none'으로 지정됩니다.

• weights가 'imagenet'이면 신경망은 ImageNet 데이터 세트에서 훈련된 가중치를 갖습니다.

• weights가 'places365'이면 신경망은 Places365 데이터 세트에서 훈련된 가중치를 갖습니다.

• weights가 'none'이면 훈련되지 않은 신경망 아키텍처가 반환됩니다.

예: 'places365'

출력 인수

net — 사전 훈련된 GoogLeNet 컨벌루션 신경망

DAGNetwork 객체

사전 훈련된 GoogLeNet 컨벌루션 신경망으로, DAGNetwork 객체로 반환됩니다.

lgraph — 훈련되지 않은 GoogLeNet 컨벌루션 신경망 아키텍처

LayerGraph 객체

훈련되지 않은 GoogLeNet 컨벌루션 신경망 아키텍처로, LayerGraph 객체로 반환됩니다.

참고 문헌

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

[2] Zhou, Bolei, Aditya Khosla, Agata Lapedriza, Antonio Torralba, and Aude Oliva. "Places: An image database for deep scene understanding." arXiv preprint arXiv:1610.02055 (2016).

[3] Places. http://places2.csail.mit.edu/

[4] Szegedy, Christian, Wei Liu, Yangqing Jia, Pierre Sermanet, Scott Reed, Dragomir Anguelov, Dumitru Erhan, Vincent Vanhoucke, and Andrew Rabinovich. "Going deeper with convolutions." In Proceedings of the IEEE conference on computer vision and pattern recognition, pp. 1-9. 2015.

[5] BVLC GoogLeNet Model. https://github.com/BVLC/caffe/tree/master/models/bvlc_googlenet

확장 기능

C/C++ 코드 생성

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

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

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

코드 생성에는 googlenet('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 = googlenet을 사용하거나 coder.loadDeepLearningNetwork (GPU Coder)로 googlenet 함수를 전달하여 신경망을 불러올 수 있습니다. 예: net = coder.loadDeepLearningNetwork('googlenet')

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

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

버전 내역

R2017b에 개발됨

참고 항목

심층 신경망 디자이너 | vgg16 | vgg19 | resnet18 | resnet50 | resnet101 | densenet201 | inceptionresnetv2 | squeezenet | trainNetwork | layerGraph | inceptionv3 | DAGNetwork

도움말 항목

• 심층 신경망 디자이너를 사용한 전이 학습
• GoogLeNet을 사용하여 영상 분류하기
• 새로운 영상을 분류하도록 딥러닝 신경망 훈련시키기
• MATLAB의 딥러닝
• 사전 훈련된 심층 신경망
• 영상 분류를 위해 잔차 신경망 훈련시키기