La traduction de cette page n'est pas à jour. Cliquez ici pour voir la dernière version en anglais.

googlenet

Réseau de neurones à convolution GoogLeNet

• 

×

Syntaxe

net = googlenet

net = googlenet('Weights',weights)

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

Description

GoogLeNet est un réseau de neurones à convolution d’une profondeur de 22 couches. Vous pouvez charger une version préentraînée du réseau entraîné sur les jeux de données ImageNet [1] ou Places365 [2] [3]. Le réseau entraîné sur ImageNet classe des images dans 1 000 catégories d’objets, par exemple un clavier, une souris, un crayon et de nombreux animaux. Le réseau entraîné sur Places365 est similaire au réseau entraîné sur ImageNet, mais classe des images dans 365 catégories de lieux différentes, par exemple un champ, un parc, une piste d’atterrissage et un hall d'entrée. Ces réseaux ont appris des représentations avec différentes caractéristiques pour une grande variété d’images. Les réseaux préentraînés ont tous les deux une taille d’image en entrée de 224 x 224. Pour plus de réseaux pré-entraînés dans MATLAB^®, veuillez consulter Pretrained Deep Neural Networks.

Pour classer de nouvelles images avec GoogLeNet, utilisez classify. Vous trouverez un exemple dans Classer une image avec GoogLeNet.

Vous pouvez entraîner à nouveau un réseau GoogLeNet pour exécuter une nouvelle tâche avec l’apprentissage par transfert. Lors de l’exécution d’un apprentissage par transfert, l’approche la plus courante consiste à utiliser des réseaux préentraînés sur le jeu de données ImageNet. Si la nouvelle tâche est similaire à la classification de scènes, l’utilisation du réseau entraîné sur Places365 peut donner une précision plus élevée. Vous trouverez un exemple illustrant comment entraîner à nouveau un réseau GoogLeNet sur une nouvelle tâche de classification dans Utiliser un réseau de Deep Learning pour classer de nouvelles images.

net = googlenet renvoie un réseau GoogLeNet entraîné sur le jeu de données ImageNet.

Cette fonction nécessite le support package Deep Learning Toolbox™ Model for GoogLeNet Network. Si ce support package n’est pas installé, la fonction propose un lien de téléchargement.

net = googlenet('Weights',weights) renvoie un réseau GoogLeNet entraîné sur le jeu de données ImageNet ou Places365. La syntaxe googlenet('Weights','imagenet') (par défaut) est équivalente à googlenet.

Le réseau entraîné sur ImageNet nécessite le support package Deep Learning Toolbox Model for GoogLeNet Network. Le réseau entraîné sur Places365 nécessite le support package Deep Learning Toolbox Model for Places365-GoogLeNet Network. Si le support package requis n’est pas installé, la fonction propose un lien de téléchargement.

lgraph = googlenet('Weights','none') renvoie l’architecture du réseau GoogLeNet non entraîné. Le modèle non entraîné ne nécessite pas de support package.

Exemples

Télécharger le support package GoogLeNet

Téléchargez et installez le support package Deep Learning Toolbox Model for GoogLeNet Network.

Saisissez googlenet en ligne de commande.

googlenet

Si le support package Deep Learning Toolbox Model for GoogLeNet Network n’est pas installé, la fonction propose un lien vers le support package nécessaire dans l’Add-On Explorer. Pour installer le support package, cliquez sur le lien, puis cliquez sur Install. Vérifiez que l’installation est réussie en saisissant googlenet en ligne de commande. Si le support package requis est installé, la fonction renvoie un objet DAGNetwork.

googlenet

ans = 

  DAGNetwork with properties:

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

Visualisez le réseau avec Deep Network Designer.

deepNetworkDesigner(googlenet)

Découvrez d’autres réseaux préentraînés dans Deep Network Designer en cliquant sur New.

Si vous devez télécharger un réseau, arrêtez-vous sur le réseau souhaité et cliquez sur Install pour ouvrir l'Add-On Explorer.

Arguments d'entrée

weights — Source des paramètres du réseau

'imagenet' (par défaut) | 'places365' | 'none'

La source des paramètres du réseau est spécifiée comme étant 'imagenet', 'places365' ou 'none'.

• Si weights est égal à 'imagenet', le réseau a des poids entraînés sur le jeu de données ImageNet.

• Si weights est égal à 'places365', le réseau a des poids entraînés sur le jeu de données Places365.

• Si weights est égal à 'none', l’architecture du réseau non entraîné est renvoyée.

Exemple : 'places365'

Arguments de sortie

net — Réseau de neurones à convolution GoogLeNet préentraîné

objet DAGNetwork

Réseau de neurones à convolution GoogLeNet préentraîné, renvoyé comme un objet DAGNetwork.

lgraph — Architecture du réseau de neurones à convolution GoogLeNet non entraîné

objet LayerGraph

Architecture du réseau de neurones à convolution GoogLeNet non entraîné, renvoyée comme un objet LayerGraph.

Références

[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

Capacités étendues

Génération de code C/C++

Générez du code C et C++ avec MATLAB® Coder™.

Pour la génération de code, vous pouvez charger le réseau en utilisant la syntaxe net = googlenet ou en passant la fonction googlenet à coder.loadDeepLearningNetwork (MATLAB Coder). Par exemple : net = coder.loadDeepLearningNetwork('googlenet')

Pour plus d’informations, veuillez consulter Load Pretrained Networks for Code Generation (MATLAB Coder).

La syntaxe googlenet('Weights','none') n’est pas supportée pour la génération de code.

Génération de code GPU

Générez du code CUDA® pour les GPU NVIDIA® avec GPU Coder™.

Notes d'usage et limitations :

• Pour la génération de code, vous pouvez charger le réseau en utilisant la syntaxe net = googlenet ou en passant la fonction googlenet à coder.loadDeepLearningNetwork (GPU Coder). Par exemple : net = coder.loadDeepLearningNetwork('googlenet').

  Pour plus d’informations, veuillez consulter Load Pretrained Networks for Code Generation (GPU Coder).

• La syntaxe googlenet('Weights','none') n’est pas supportée pour la génération de code GPU.

Historique des versions

Introduit dans R2017b

Voir aussi

Deep Network Designer | vgg16 | vgg19 | resnet18 | resnet50 | resnet101 | densenet201 | inceptionresnetv2 | squeezenet | trainNetwork | layerGraph | inceptionv3 | DAGNetwork

Rubriques

• Prepare Network for Transfer Learning Using Deep Network Designer
• Classer une image avec GoogLeNet
• Utiliser un réseau de Deep Learning pour classer de nouvelles images
• Deep Learning in MATLAB
• Pretrained Deep Neural Networks
• Train Residual Network for Image Classification