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

resnet50

Réseau de neurones à convolution ResNet-50

• 

×

Syntaxe

net = resnet50

net = resnet50('Weights','imagenet')

lgraph = resnet50('Weights','none')

Description

ResNet-50 est un réseau de neurones à convolution d’une profondeur de 50 couches. Vous pouvez charger une version préentraînée du réseau entraîné sur plus d’un million d’images dans la base de données ImageNet [1]. Le réseau entraîné peut classer des images dans 1 000 catégories d’objets, par exemple un clavier, une souris, un crayon et de nombreux animaux. En conséquence, le réseau a appris des représentations avec de nombreuses caractéristiques pour une grande variété d’images. Le réseau a une taille d’image en entrée de 224 par 224. Pour plus de réseaux pré-entraînés dans MATLAB^®, veuillez consulter Pretrained Deep Neural Networks.

Vous pouvez utiliser classify pour classer de nouvelles images avec le modèle ResNet-50. Suivez les étapes de Classer une image avec GoogLeNet et remplacez GoogLeNet par ResNet-50.

Pour entraîner à nouveau le réseau sur une nouvelle tâche de classification, suivez les étapes de Utiliser un réseau de Deep Learning pour classer de nouvelles images et chargez ResNet-50 à la place de GoogLeNet.

Conseil

Pour créer un réseau résiduel non entraîné adapté aux tâches de classification d’images, utilisez resnetLayers.

net = resnet50 renvoie un réseau ResNet-50 entraîné sur le jeu de données ImageNet.

Cette fonction nécessite le support package Deep Learning Toolbox™ Model for ResNet-50 Network. Si ce support package n’est pas installé, la fonction propose un lien de téléchargement.

net = resnet50('Weights','imagenet') renvoie un réseau ResNet-50 entraîné sur le jeu de données ImageNet. Cette syntaxe est équivalente à net = resnet50.

lgraph = resnet50('Weights','none') renvoie l’architecture du réseau ResNet-50 non entraîné. Le modèle non entraîné ne nécessite pas de support package.

Exemples

Télécharger le support package ResNet-50

Téléchargez et installez le support package Deep Learning Toolbox Model for ResNet-50 Network.

Saisissez resnet50 en ligne de commande.

resnet50

Si le support package Deep Learning Toolbox Model for ResNet-50 Network n’est pas installé, la fonction fournit 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 resnet50 en ligne de commande. Si le support package requis est installé, la fonction renvoie un objet DAGNetwork.

resnet50

ans = 

  DAGNetwork with properties:

         Layers: [177×1 nnet.cnn.layer.Layer]
    Connections: [192×2 table]

Visualisez le réseau avec Deep Network Designer.

deepNetworkDesigner(resnet50)

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 de sortie

net — Réseau de neurones à convolution ResNet-50 préentraîné

objet DAGNetwork

Réseau de neurones à convolution ResNet-50 préentraîné, renvoyé comme un objet DAGNetwork.

lgraph — Architecture du réseau de neurones à convolution ResNet-50 non entraîné

objet LayerGraph

Architecture du réseau de neurones à convolution ResNet-50 non entraîné, renvoyée comme un objet LayerGraph.

Références

[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://keras.io/api/applications/resnet/#resnet50-function

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 = resnet50 ou en passant la fonction resnet50 à coder.loadDeepLearningNetwork (MATLAB Coder). Par exemple : net = coder.loadDeepLearningNetwork('resnet50')

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

La syntaxe resnet50('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 = resnet50 ou en passant la fonction resnet50 à coder.loadDeepLearningNetwork (GPU Coder). Par exemple : net = coder.loadDeepLearningNetwork('resnet50')

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

• La syntaxe resnet50('Weights','none') n’est pas supportée pour la génération de code GPU.

Historique des versions

Introduit dans R2017b

Voir aussi

Deep Network Designer | resnetLayers | vgg16 | vgg19 | googlenet | trainNetwork | layerGraph | DAGNetwork | resnet18 | resnet101 | densenet201 | inceptionresnetv2 | squeezenet

Rubriques

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