ドキュメンテーション

最新のリリースでは、このページがまだ翻訳されていません。 このページの最新版は英語でご覧になれます。

squeezenet

事前学習済み SqueezeNet 畳み込みニューラル ネットワーク

ページ内をすべて折りたたむ

SqueezeNet は、ImageNet データベース [1] の 100 万枚を超えるイメージで学習済みの畳み込みニューラル ネットワークです。このネットワークは、深さが 18 層であり、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。この関数は SqueezeNet v1.1 ネットワークを返します。このネットワークの精度は SqueezeNet v1.0 と同様ですが、予測あたりに必要な浮動小数点演算回数は少なくなります [3]。ネットワークのイメージ入力サイズは 227 x 227 です。MATLAB® の他の事前学習済みのネットワークについては、事前学習済みの畳み込みニューラル ネットワークを参照してください。

classify を使用すると、SqueezeNet ネットワークを使用して新しいイメージを分類できます。GoogLeNet を使用したイメージの分類の手順に従って、GoogLeNet を SqueezeNet に置き換えます。

新しい分類タスクでネットワークの再学習を行うには、新しいイメージを分類するための深層学習ネットワークの学習の手順に従います。GoogLeNet の代わりに SqueezeNet ネットワークを読み込み、置き換える層の名前を 'conv10' および 'ClassificationLayer_predictions' にそれぞれ変更します。SqueezeNet にはネットワークの最後に全結合層が含まれないため、'conv10' 層を、numClasses フィルターを持ち、フィルター サイズが 1 の新しい畳み込み層に置き換えます。

構文

net = squeezenet

説明

例

net = squeezenet は、事前学習済みの SqueezeNet 畳み込みニューラル ネットワークを返します。

この関数には、Deep Learning Toolbox™ Model for SqueezeNet 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。

例

すべて折りたたむ

Deep Learning Toolbox Model for SqueezeNet 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 squeezenet と入力します。

squeezenet

Deep Learning Toolbox Model for SqueezeNet 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 squeezenet 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ない場合、関数によって DAGNetwork オブジェクトが返されます。

net = squeezenet
net = 

  DAGNetwork with properties:

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

出力引数

すべて折りたたむ

事前学習済みの SqueezeNet 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。

参照

[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).

拡張機能

参考

| | | | | | | | | | | |

トピック

R2018a で導入

Deep Learning Toolbox ドキュメンテーション
サポート
MATLABで始めるディープラーニング

MATLABで始めるディープラーニング

ebookをダウンロードする