이 페이지의 최신 내용은 아직 번역되지 않았습니다. 최신 내용은 영문으로 볼 수 있습니다.

squeezenet

사전 훈련된 SqueezeNet 컨벌루션 신경망

SqueezeNet은 ImageNet 데이터베이스의 1백만 개가 넘는 이미지에 대해 훈련된 컨벌루션 신경망입니다[1]. 이 네트워크에는 18개의 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. 이 함수는 SqueezeNet v1.1 네트워크를 반환합니다. 이 네트워크는 SqueezeNet v1.0과 비슷한 정확도를 가지면서도 예측당 수행해야 하는 부동소수점 연산이 적습니다[3]. 네트워크의 이미지 입력 크기는 227x227입니다. MATLAB^®의 여타 훈련된 네트워크에 대한 자세한 내용은 Pretrained Deep Neural Networks 항목을 참조하십시오.

classify로 SqueezeNet 네트워크를 사용하여 새 이미지를 분류할 수 있습니다. GoogLeNet을 SqueezeNet으로 바꾸어서 GoogLeNet을 사용하여 이미지 분류하기 항목의 단계를 수행하십시오.

새로운 분류 작업에서 네트워크를 다시 훈련시키려면 새로운 이미지를 분류하도록 심층 학습 네트워크 훈련시키기 항목의 단계를 수행하십시오. GoogLeNet 대신 SqueezeNet 네트워크를 불러오고 바꿀 계층의 이름을 각각 'conv10'과 'ClassificationLayer_predictions'로 변경합니다. SqueezeNet은 네트워크 끝부분에 완전 연결 계층이 없으므로 'conv10' 계층을 필터 개수가 numClasses개이고 필터 크기가 1인 새 컨벌루션 계층으로 바꿉니다.

구문

net = squeezenet

설명

net = squeezenet은 사전 훈련된 SqueezeNet 컨벌루션 신경망을 반환합니다.

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

예제

SqueezeNet 네트워크 불러오기

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

명령줄에 squeezenet을 입력합니다.

squeezenet

Deep Learning Toolbox Model for SqueezeNet Network 지원 패키지가 설치되어 있지 않은 경우, 필요한 지원 패키지로 연결되는 애드온 탐색기 링크를 함수에서 제공합니다. 지원 패키지를 설치하려면 링크를 클릭한 다음 설치(Install)를 클릭하십시오. 명령줄에 squeezenet를 입력하여 설치가 성공적으로 완료되었는지 확인합니다. 필요한 지원 패키지가 설치되어 있는 경우, 함수가 DAGNetwork 객체를 반환합니다.

net = squeezenet

net = 

  DAGNetwork with properties:

         Layers: [68×1 nnet.cnn.layer.Layer]
    Connections: [75×2 table]

출력 인수

net — 사전 훈련된 SqueezeNet 컨벌루션 신경망

DAGNetwork 객체

사전 훈련된 SqueezeNet 컨벌루션 신경망으로, DAGNetwork 객체로 반환됩니다.

참고 문헌

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

[2] Iandola, Forrest N., Song Han, Matthew W. Moskewicz, Khalid Ashraf, William J. Dally, and Kurt Keutzer. "SqueezeNet: AlexNet-level accuracy with 50x fewer parameters and <0.5 MB model size." arXiv preprint arXiv:1602.07360 (2016).

[3] https://github.com/DeepScale/SqueezeNet

확장 기능

C/C++ 코드 생성

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

코드 생성을 위해, coder.loadDeepLearningNetwork로 squeezenet 함수를 전달하여 네트워크를 불러옵니다. 예: net = coder.loadDeepLearningNetwork('squeezenet')

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

참고 항목

DAGNetwork | alexnet | googlenet | inceptionresnetv2 | inceptionv3 | layerGraph | plot | resnet101 | resnet18 | resnet50 | trainNetwork | vgg16 | vgg19

도움말 항목

• Deep Learning in MATLAB
• Pretrained Deep Neural Networks
• GoogLeNet을 사용하여 이미지 분류하기
• 새로운 이미지를 분류하도록 심층 학습 네트워크 훈련시키기
• 이미지 분류를 위해 잔차 네트워크 훈련시키기

R2018a에 개발됨