이 페이지의 최신 내용은 아직 번역되지 않았습니다. 최신 내용은 영문으로 볼 수 있습니다.
사전 훈련된 ResNet-101 컨벌루션 신경망
ResNet-101은 ImageNet 데이터베이스의 1백만 개가 넘는 이미지에 대해 훈련된 컨벌루션 신경망입니다[1]. 이 네트워크에는 101개의 계층이 있으며, 이미지를 키보드, 마우스, 연필, 각종 동물 등 1,000가지 사물 범주로 분류할 수 있습니다. 그 결과 이 네트워크는 다양한 이미지를 대표하는 다양한 특징을 학습했습니다. 네트워크의 이미지 입력 크기는 224x224입니다. MATLAB®의 여타 훈련된 네트워크에 대한 자세한 내용은 사전 훈련된 심층 신경망 항목을 참조하십시오.
classify
로 ResNet-101 모델을 사용하여 새 이미지를 분류할 수 있습니다. GoogLeNet을 ResNet-101로 바꾸어서 GoogLeNet을 사용하여 이미지 분류하기 항목의 단계를 수행하십시오.
새로운 분류 작업에서 네트워크를 다시 훈련시키려면 새로운 이미지를 분류하도록 심층 학습 네트워크 훈련시키기 항목의 단계를 수행하고 GoogLeNet 대신 ResNet-101을 불러오십시오.
[1] ImageNet. http://www.image-net.org
[2] He, Kaiming, Xiangyu Zhang, Shaoqing Ren, and Jian Sun. "Deep residual learning for image recognition." In Proceedings of the IEEE conference on computer vision and pattern recognition, pp. 770-778. 2016.
DAGNetwork
| alexnet
| densenet201
| googlenet
| inceptionresnetv2
| inceptionv3
| layerGraph
| plot
| resnet18
| resnet50
| squeezenet
| trainNetwork
| vgg16
| vgg19