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

resnet101

ResNet-101 컨벌루션 신경망

• 

×

구문

net = resnet101

net = resnet101('Weights','imagenet')

lgraph = resnet101('Weights','none')

설명

ResNet-101은 101개 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 224×224입니다. MATLAB^®의 여타 훈련된 신경망에 대한 자세한 내용은 사전 훈련된 심층 신경망 항목을 참조하십시오.

ResNet-101 모델을 사용하여 classify로 새 영상을 분류할 수 있습니다. GoogLeNet을 ResNet-101로 바꾸어서 GoogLeNet을 사용하여 영상 분류하기 항목의 단계를 수행하십시오.

새로운 분류 작업에서 신경망을 다시 훈련시키려면 새로운 영상을 분류하도록 딥러닝 신경망 훈련시키기 항목의 단계를 수행하고 GoogLeNet 대신 ResNet-101을 불러오십시오.

net = resnet101은 ImageNet 데이터 세트에서 훈련된 ResNet-101 신경망을 반환합니다.

이 함수를 사용하려면 Deep Learning Toolbox™ Model for ResNet-101 Network 지원 패키지가 필요합니다. 이 지원 패키지가 설치되어 있지 않으면 함수에서 다운로드 링크를 제공합니다.

net = resnet101('Weights','imagenet')은 ImageNet 데이터 세트에서 훈련된 ResNet-101 신경망을 반환합니다. 이 구문은 net = resnet101과 동일합니다.

lgraph = resnet101('Weights','none')은 훈련되지 않은 ResNet-101 신경망 아키텍처를 반환합니다. 훈련되지 않은 모델에는 지원 패키지가 필요하지 않습니다.

예제

ResNet-101 지원 패키지 다운로드하기

Deep Learning Toolbox Model for ResNet-101 Network 지원 패키지를 다운로드하고 설치합니다.

명령줄에 resnet101을 입력합니다.

resnet101

Deep Learning Toolbox Model for ResNet-101 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 resnet101을 입력하여 설치가 성공적으로 완료되었는지 확인하십시오. 필요한 지원 패키지가 설치되어 있는 경우, 함수가 DAGNetwork 객체를 반환합니다.

resnet101

ans = 

  DAGNetwork with properties:

         Layers: [347×1 nnet.cnn.layer.Layer]
    Connections: [379×2 table]

심층 신경망 디자이너를 사용하여 신경망을 시각화합니다.

deepNetworkDesigner(resnet101)

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

신경망을 다운로드해야 할 경우에는 설치를 클릭하여 애드온 탐색기를 엽니다.

출력 인수

net — 사전 훈련된 ResNet-101 컨벌루션 신경망

DAGNetwork 객체

사전 훈련된 ResNet-101 컨벌루션 신경망으로, DAGNetwork 객체로 반환됩니다.

lgraph — 훈련되지 않은 ResNet-101 컨벌루션 신경망 아키텍처

LayerGraph 객체

훈련되지 않은 ResNet-101 컨벌루션 신경망 아키텍처로, LayerGraph 객체로 반환됩니다.

참고 문헌

[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.

[3] https://github.com/KaimingHe/deep-residual-networks

확장 기능

C/C++ 코드 생성

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

코드 생성을 하려면, 구문 net = resnet101을 사용하거나 coder.loadDeepLearningNetwork (MATLAB Coder)로 resnet101 함수를 전달하여 신경망을 불러올 수 있습니다. 예: net = coder.loadDeepLearningNetwork('resnet101')

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

코드 생성에는 resnet101('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 = resnet101을 사용하거나 coder.loadDeepLearningNetwork (GPU Coder)로 resnet101 함수를 전달하여 신경망을 불러올 수 있습니다. 예: net = coder.loadDeepLearningNetwork('resnet101')

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

• GPU 코드 생성에는 resnet101('Weights','none') 구문이 지원되지 않습니다.

참고 항목

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

도움말 항목

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

R2017b에 개발됨