【MATLAB、深度学习】AlexNet及VGG神经网络在MATLAB上的应用

基于MATLAB2019a。---和同学一起完成老师给的作业。

在MATLAB中这两种框架的神经网络是已经经过训练的网络，官方的数据是使用了百万张训练了大约100多个类别的物品，也就是大概可以识别一千多种物品。在深度学习中训练神经网络是一个对硬件要求极高的项目，内部涉及大量的矩阵运算，用CPU训练绝对是一件令人头秃的工作，推荐使用GPU训练（虽然我是没那个条件。。。）。一开始是使用的AlexNet后来专用VGG16，两者的差别在使用时主要体现在图像输入环节。（仅限使用）

对比两种神经网络：

AlexNet：网络深度为8层，网络的图像输入大小为227×227。

VGG-16：网络深度为16层，网络的图像输入大小为224×224。

目前对于训练和使用这两个神经网络有用的信息

左AlexNet；右VGG16。

使用神经网络识别图片的核心步骤：

1、将图片做处理，使符合特定网络图像输入大小的要求。（数组放缩就可以）

%从文件夹中选取图片并做处理
[filename,pathname]=uigetfile({'*.jpg';'*.*'},'请选择一张用于识别的照片');
filepath=[pathname,filename];
axes(h_axes1);
data = imread(filepath);
data = imresize(data,[224,224]);%获取神经网络输入图像数据格式data1 = data(1:224,1:224,1:3);              %vgg16是 [224,224,3]
%最终交由VGG16识别的使data1数组

2、丢到神经网络中，用固定函数筛选出符合图像的标签

net = network;          %network为VGG16类型的神经网络训练后返回来的句柄label = classify(net,data1);    %classify函数直接导出标签
image(data1);
title(char(label));

训练神经网络识别图片的核心步骤：

function predict_transfer_alexnet()
global network    %待训练vgg16网络的句柄net = vgg16;% 深度学习vgg16经典网络结构，没有的可以去matlab center下载
trainsferLayer = net.Layers(1:end-3);imds = imageDatastore('E:\University\Desktop\Matlab\GUI code(1)\practice_Pictures',...%训练图片数据库地址'includeSubfolders',true,...'labelsource','foldernames','ReadFcn',@IMAGERESIZE);
T = countEachLabel(imds);
disp(T);
[imdsTrain,imdsTest] = splitEachLabel(imds,0.8);%0.8为训练数据，0.2为测试数据（测试精度会被输出）%% train
layers = [trainsferLayer;fullyConnectedLayer(10,'WeightLearnRateFactor',50,'BiasLearnRateFactor',50);%注意第一个参数为类别的数量，我这里是10softmaxLayer();classificationLayer()];
options = trainingOptions('sgdm',...'Maxepochs',10,... %最大训练次数'InitialLearnRate',0.00035); %初始学习比率（这个需要调试）
network = trainNetwork(imdsTrain,layers,options);%% predict
predictLabels = classify(network,imdsTest);
testLabels = imdsTest.Labels;
accuracy = sum(predictLabels == testLabels)/numel(predictLabels);
disp(['accuracy:',num2str(accuracy)]); % 输出预测精度结果
function output = IMAGERESIZE(input)
input = imread(input);
if numel(size(input)) == 2input = cat(3,input,input,input);% 转成3通道的（vgg16要求使三通道）
end
output = imresize(input,[224,224]);end
end

训练效果（实拍图识别）：

工程链接：链接：https://pan.baidu.com/s/16EAw26jD1_1XlR4roApq4A 提取码：ilh2

【MATLAB、深度学习】AlexNet及VGG神经网络在MATLAB上的应用相关推荐

吴恩达深度学习deeplearning.ai——第一门课：神经网络与深度学习——第二节：神经网络基础（上）
2.1 二元分类 (Binary Classification) 这周我们将学习神经网络的基础知识,其中需要注意的是,当实现一个神经网络的时候,我们需要知道一些非常重要的技术和技巧.例如有一个包含 m ...
【OFDM通信】基于matlab深度学习OFDM系统信号检测【含Matlab源码 2023期】
⛄一.深度学习OFDM系统信号检测简介 1 OFDM系统模型 OFDM系统是一种常用的多载波调制方式, 因为其具有能够在带宽较窄的情况下传输大量数据.能够对抗频率选择性衰落.传输速率高.实现简单.信道 ...
【MATLAB深度学习工具箱】学习笔记--体脂估计算例再分析：拟合神经网络fitnet里面的数据结构】
原文链接如下 [MATLAB深度学习工具箱]学习笔记--体脂估计Body Fat Estimation_bear_miao的博客-CSDN博客介绍本示例展示一个函数拟合神经网络如何根据解剖学测量结果估 ...
【MATLAB深度学习工具箱】学习笔记--体脂估计算例再分析：拟合神经网络fitnet里面的函数】
介绍上一篇 [MATLAB深度学习工具箱]学习笔记--体脂估计算例再分析:拟合神经网络fitnet里面的数据结构]_bear_miao的博客-CSDN博客原文链接如下[MATLAB深度学习工具箱]学 ...
【Matlab】基于MNIST数据集的图像识别（深度学习入门、卷积神经网络、附完整学习资料）
Matlab--数字0~9的图像识别(Phil Kim著.Matlab) 本文可以为那些想对深度学习和人工智能有初步了解的朋友提供一些基础入门的帮助. 本文所用参考书: <MATLAB深度学习 ...
计算机视觉与深度学习 | 基于MATLAB 深度学习工具实现简单的数字分类问题（卷积神经网络）
博主github:https://github.com/MichaelBeechan 博主CSDN:https://blog.csdn.net/u011344545 %% Time:2019.3.7 ...
(转)Matlab深度学习工具试玩手册一：基本操作与迁移学习
原贴博客:https://blog.csdn.net/zfrycw/article/details/80633979 目录前言一.利用现成网络进行分类二.构建简单的分类网络三.迁移学习前言 ...
吴恩达.深度学习系列-C4卷积神经网络-W2深度卷积模型案例
吴恩达.深度学习系列-C4卷积神经网络-W2深度卷积模型案例 (本笔记部分内容直接引用redstone的笔记http://redstonewill.com/1240/.原文整理的非常好,引入并添加我自 ...
【图像修复】基于深度学习的图像修复算法的MATLAB仿真
1.软件版本 matlab2021a 2.本算法理论知识在许多领域,人们对图像质量的要求都很高,如医学图像领域.卫星遥感领域等.随着信息时代的快速发展,低分辨率图像已经难以满足特定场景的需要.因此, ...

【MATLAB、深度学习】AlexNet及VGG神经网络在MATLAB上的应用

使用神经网络识别图片的核心步骤：

训练神经网络识别图片的核心步骤：

【MATLAB、深度学习】AlexNet及VGG神经网络在MATLAB上的应用相关推荐

最新文章

热门文章