بررسی اجمالی
MobileNet-v2 یک شبکه عصبی کانولوشن است که در زیرمجموعه ای از پایگاه داده ImageNet آموزش داده شده است. در نتیجه ، این شبکه بازنمایی ویژگی های غنی برای طیف گسترده ای از تصاویر را آموخته است. این شبکه می تواند تصاویر را در 1000 دسته شی مانند صفحه کلید ، ماوس ، مداد و بسیاری از حیوانات طبقه بندی کند. این شبکه به گونه ای طراحی شده است که دارای حافظه کم است ، و آن را برای استقرار در سخت افزار کم حافظه ایده آل می کند.
اندازه ورودی تصویر این شبکه 224 در 224 در 3 است.
استفاده
این مخزن به MATLAB (R2019a به بالا) و جعبه ابزار یادگیری عمیق نیاز دارد.
این مخزن سه عملکرد را فراهم می کند:
mobilenetv2Layers: با معماری شبکه MobileNet-v2 یک شبکه آموزش ندیده ایجاد می کند
assembleMobileNetv2: یک شبکه MobileNet-v2 با وزنه های آموزش داده شده روی داده های ImageNet ایجاد می کند
mobilenetv2Example: نحوه طبقه بندی تصویر با استفاده از شبکه آموزش داده شده MobileNet-v2 را نشان می دهد
برای ساخت یک شبکه MobileNet-v2 آموزش ندیده برای آموزش از ابتدا ، موارد زیر را در خط فرمان MATLAB تایپ کنید:
lgraph = mobilenetv2Layers؛
شبکه آموزش ندیده به عنوان یک لایه layerGraph بازگردانده می شود.
برای ساخت یک شبکه MobileNet-v2 آموزش دیده مناسب برای استفاده در طبقه بندی تصویر ، موارد زیر را در خط فرمان MATLAB تایپ کنید:
net = assembleMobileNetv2؛
شبکه آموزش دیده به عنوان یک شی DETNetwork بازگردانده می شود.
برای طبقه بندی یک تصویر در شبکه:
img = imresize (imread (“peppers.png”) ، [224 224]]؛
predLabel = طبقه بندی (net، img)؛
نمایش (img)
عنوان (رشته (predLabel)) ؛
مستندات
برای کسب اطلاعات بیشتر در مورد مدل آموزش داده شده MobileNet-v2 ، به صفحه عملکرد mobilenetv2 در مستندات جعبه ابزار یادگیری عمیق MATLAB مراجعه کنید.
معماری
MobileNet-v2 یک شبکه باقیمانده است. شبکه باقیمانده نوعی شبکه DAG است که دارای اتصالات باقیمانده (یا میانبر) است که لایه های اصلی شبکه را دور می زند. اتصالات باقیمانده شیب های پارامتر را قادر می سازد تا به راحتی از لایه خروجی به لایه های قبلی شبکه منتقل شوند ، این امر امکان آموزش شبکه های عمیق تر را فراهم می کند. این افزایش عمق شبکه می تواند منجر به دقت بالاتر در کارهای دشوارتر شود.
با استفاده از Deep Network Designer می توانید معماری شبکه را کاوش و ویرایش کنید.
