Main Content

resnet50

(非推奨) ResNet-50 畳み込みニューラル ネットワーク

  • ResNet-50 architecture

resnet50 は推奨されません。代わりに関数 imagePretrainedNetwork を使用し、"resnet50" 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。

説明

ResNet-50 は、深さが 50 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ニューラル 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ニューラル 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、このニューラル 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。ニューラル ネットワークのイメージ入力サイズは 224×224 です。MATLAB® の他の事前学習済みのニューラル 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 = resnet50 は、ImageNet データ セットで学習させた ResNet-50 ニューラル ネットワークを返します。

この関数には、Deep Learning Toolbox™ Model for ResNet-50 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 = resnet50('Weights','imagenet') は、ImageNet データ セットで学習させた ResNet-50 ニューラル ネットワークを返します。この構文は、net = resnet50 と等価です。

lgraph = resnet50('Weights','none') は、未学習の ResNet-50 ニューラル 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。

すべて折りたたむ

Deep Learning Toolbox Model for ResNet-50 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 resnet50 と入力します。

resnet50

Deep Learning Toolbox Model for ResNet-50 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 resnet50 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。

resnet50
ans = 

  DAGNetwork with properties:

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

ディープ ネットワーク デザイナーを使用してニューラル ネットワークを可視化します。

deepNetworkDesigner(resnet50)

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。

Deep Network Designer start page showing available pretrained neural networks

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

すべて折りたたむ

事前学習済みの ResNet-50 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。

未学習の ResNet-50 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] 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.

拡張機能

バージョン履歴

R2017b で導入

すべて折りたたむ

R2024a: 非推奨

resnet50 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 "resnet50" を指定してください。

関数 resnet50 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 resnet50 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 = resnet50;[net,classNames] = imagePretrainedNetwork("resnet50");
net = resnet50(Weights="none");net = imagePretrainedNetwork("resnet50",Weights="none");

imagePretrainedNetworkdlnetwork 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 trainnetdlnetwork 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、LayerGraphtrainNetwork 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。