inceptionv3

(非推奨) Inception-v3 畳み込みニューラル ネットワーク

• 

inceptionv3 は推奨されません。代わりに関数 imagePretrainedNetwork を使用し、"inceptionv3" モデルを指定してください。詳細については、バージョン履歴を参照してください。

構文

net = inceptionv3

net = inceptionv3('Weights','imagenet')

lgraph = inceptionv3('Weights','none')

説明

Inception-v3 は、深さが 48 層の畳み込みニューラル ネットワークです。100 万個を超えるイメージで学習させた事前学習済みのネットワークを、ImageNet データベース[1]から読み込むことができます。この事前学習済みのネットワークは、イメージを 1000 個のオブジェクト カテゴリ (キーボード、マウス、鉛筆、多くの動物など) に分類できます。結果として、このネットワークは広範囲のイメージに対する豊富な特徴表現を学習しています。ネットワークのイメージ入力サイズは 299 x 299 です。MATLAB^® の他の事前学習済みのネットワークについては、事前学習済みの深層ニューラル ネットワークを参照してください。

net = inceptionv3 は、ImageNet データベースで学習させた Inception-v3 ネットワークを返します。

この関数には、Deep Learning Toolbox™ Model for Inception-v3 Network サポート パッケージが必要です。このサポート パッケージがインストールされていない場合、関数によってダウンロード用リンクが表示されます。

net = inceptionv3('Weights','imagenet') は、ImageNet データベースで学習させた Inception-v3 ネットワークを返します。この構文は、net = inceptionv3 と等価です。

lgraph = inceptionv3('Weights','none') は、未学習の Inception-v3 ネットワーク アーキテクチャを返します。未学習のモデルは、サポート パッケージを必要としません。

例

Inception-v3 サポート パッケージのダウンロード

Deep Learning Toolbox Model for Inception-v3 Network サポート パッケージをダウンロードしてインストールします。

コマンド ラインで inceptionv3 と入力します。

inceptionv3

Deep Learning Toolbox Model for Inception-v3 Network サポート パッケージがインストールされていない場合、関数によってアドオン エクスプローラーに必要なサポート パッケージへのリンクが表示されます。サポート パッケージをインストールするには、リンクをクリックして、[インストール] をクリックします。コマンド ラインで inceptionv3 と入力して、インストールが正常に終了していることを確認します。必要なサポート パッケージがインストールされている場合、関数によって DAGNetwork オブジェクトが返されます。

inceptionv3

ans = 

  DAGNetwork with properties:

         Layers: [316×1 nnet.cnn.layer.Layer]
    Connections: [350×2 table]

ディープ ネットワーク デザイナーを使用してネットワークを可視化します。

deepNetworkDesigner(inceptionv3)

ディープ ネットワーク デザイナーで [新規] をクリックし、事前学習済みの他のニューラル ネットワークを探索します。

ニューラル ネットワークをダウンロードする必要がある場合は、目的のニューラル ネットワークで [インストール] をクリックしてアドオン エクスプローラーを開きます。

出力引数

net — 事前学習済み Inception-v3 畳み込みニューラル ネットワーク

DAGNetwork オブジェクト

事前学習済みの Inception-v3 畳み込みニューラル ネットワーク。DAGNetwork オブジェクトとして返されます。

lgraph — 未学習の Inception-v3 畳み込みニューラル ネットワーク アーキテクチャ

LayerGraph オブジェクト

未学習の Inception-v3 畳み込みニューラル ネットワーク アーキテクチャ。LayerGraph オブジェクトとして返されます。

参照

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

[2] Szegedy, Christian, Vincent Vanhoucke, Sergey Ioffe, Jon Shlens, and Zbigniew Wojna. “Rethinking the Inception Architecture for Computer Vision.” In 2016 IEEE Conference on Computer Vision and Pattern Recognition (CVPR), 2818–26. Las Vegas, NV, USA: IEEE, 2016. https://doi.org/10.1109/CVPR.2016.308.

[3] https://keras.io/api/applications/inceptionv3/

拡張機能

C/C++ コード生成

MATLAB® Coder™ を使用して C および C++ コードを生成します。

コード生成の場合、構文 net = inceptionv3 を使用するか、関数 inceptionv3 を coder.loadDeepLearningNetwork (MATLAB Coder) に渡すことによって、ネットワークを読み込むことができます。以下に例を示します。net = coder.loadDeepLearningNetwork('inceptionv3')

詳細については、コード生成のための事前学習済みネットワークの読み込み (MATLAB Coder)を参照してください。

構文 inceptionv3('Weights','none') はコード生成でサポートされていません。

GPU コード生成

GPU Coder™ を使用して NVIDIA® GPU のための CUDA® コードを生成します。

使用上の注意および制限:

• コード生成の場合、構文 net = inceptionv3 を使用するか、関数 inceptionv3 を coder.loadDeepLearningNetwork (GPU Coder) に渡すことによって、ネットワークを読み込むことができます。以下に例を示します。net = coder.loadDeepLearningNetwork('inceptionv3')

  詳細については、コード生成用の事前学習済みのネットワークの読み込み (GPU Coder)を参照してください。

• 構文 inceptionv3('Weights','none') は GPU コード生成でサポートされていません。

バージョン履歴

R2017b で導入

R2024a: 非推奨

inceptionv3 は推奨されません。代わりに関数 imagePretrainedNetwork を使用し、モデルとして "inceptionv3" を指定してください。

関数 inceptionv3 のサポートを削除する予定はありません。ただし、関数 imagePretrainedNetwork には、転移学習ワークフローに役立つ機能が追加されています。たとえば、データに含まれるクラスの数を numClasses オプションで指定すると、この関数は、修正することなくそのまま再学習が可能なネットワークを返します。

関数 imagePretrainedNetwork は、ネットワークを dlnetwork オブジェクトとして返しますが、このオブジェクトにはクラス名が格納されていません。事前学習済みのネットワークのクラス名を取得するには、関数 imagePretrainedNetwork の 2 番目の出力引数を使用します。

関数 inceptionv3 の代表的な使用法と、代わりに関数 imagePretrainedNetwork を使用するためのコードの更新方法を、次の表に示します。

非推奨	推奨
net = inceptionv3;	[net,classNames] = imagePretrainedNetwork("inceptionv3");
net = inceptionv3(Weights="none");	net = imagePretrainedNetwork("inceptionv3",Weights="none");

imagePretrainedNetwork は dlnetwork オブジェクトを返します。これには次の利点もあります。

• dlnetwork オブジェクトは、ネットワークの構築、予測、組み込み学習、可視化、圧縮、検証、およびカスタム学習ループをサポートする統合されたデータ型です。

• dlnetwork オブジェクトは、ユーザーが作成したり外部のプラットフォームからインポートしたりできる、さまざまなネットワーク アーキテクチャをサポートしています。

• 関数 trainnet は dlnetwork オブジェクトをサポートしているため、損失関数を簡単に指定できます。組み込みの損失関数を選択するか、カスタム損失関数を指定できます。

• dlnetwork オブジェクトを使用した学習と予測は、通常、LayerGraph と trainNetwork を使用したワークフローよりも高速です。

dlnetwork オブジェクトとして指定されたニューラル ネットワークに学習させるには、関数 trainnet を使用します。

参考

imagePretrainedNetwork | dlnetwork | trainingOptions | trainnet | ディープ ネットワーク デザイナー

トピック

• ディープ ネットワーク デザイナーを使用した転移学習用のネットワークの準備
• MATLAB による深層学習
• 事前学習済みの深層ニューラル ネットワーク
• GoogLeNet を使用したイメージの分類
• 新しいイメージを分類するためのニューラル ネットワークの再学習
• イメージ分類用の残差ネットワークの学習