vgg19

(非推奨) VGG-19 畳み込みニューラル ネットワーク

• 

vgg19 は推奨されません。代わりに関数 imagePretrainedNetwork を使用し、"vgg19" 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 = vgg19

net = vgg19('Weights','imagenet')

layers = vgg19('Weights','none')

説明

VGG-19 は、深さが 19 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 224 x 224 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 = vgg19 は、ImageNet データ セットで学習させた VGG-19 ネットワークを返します。

この関数には、Deep Learning Toolbox™ Model for VGG-19 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 = vgg19('Weights','imagenet') は、ImageNet データ セットで学習させた VGG-19 ネットワークを返します。この構文は、net = vgg19 と等価です。

layers = vgg19('Weights','none')は、未学習の VGG-19 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

VGG-19 サポート パッケージのダウンロード

この例では、Deep Learning Toolbox Model for VGG-19 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する方法を説明します。

コマンド ラインで vgg19 と入力します。

vgg19

Deep Learning Toolbox Model for VGG-19 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 vgg19 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。

vgg19

ans = 

  SeriesNetwork with properties:

    Layers: [47×1 nnet.cnn.layer.Layer]

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(vgg19)

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 — 事前学習済みの VGG-19 畳み込みニューラル ネットワーク

SeriesNetwork オブジェクト

事前学習済みの VGG-19 畳み込みニューラル ネットワーク。SeriesNetwork オブジェクトとして返されます。

layers — 未学習の VGG-19 畳み込みニューラル ネットワーク アーキテクチャ

Layer 配列

未学習の VGG-19 畳み込みニューラル ネットワーク アーキテクチャ。配列 Layer として返されます。

参照

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

[2] Russakovsky, O., Deng, J., Su, H., et al. “ImageNet Large Scale Visual Recognition Challenge.” International Journal of Computer Vision (IJCV). Vol 115, Issue 3, 2015, pp. 211–252

[3] Simonyan, Karen, and Andrew Zisserman. “Very Deep Convolutional Networks for Large-Scale Image Recognition.” Preprint, submitted in 2014. https://doi.org/10.48550/ARXIV.1409.1556.

[4] Very Deep Convolutional Networks for Large-Scale Visual Recognition http://www.robots.ox.ac.uk/~vgg/research/very_deep/

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 = vgg19 を使用するか、関数 vgg19 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('vgg19')

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 vgg19('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 = vgg19 を使用するか、関数 vgg19 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('vgg19')

  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 vgg19('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

R2017a で導入

R2024a: 非推奨

vgg19 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 "vgg19" を指定してください。

関数 vgg19 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 vgg19 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 = vgg19;	[net,classNames] = imagePretrainedNetwork("vgg19");
net = vgg19(Weights="none");	net = imagePretrainedNetwork("vgg19",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
• 畳み込みニューラル ネットワークの活性化の可視化