Классификация изображений с помощью сверточной нейронной сети (CNN) в Matlab

210 подписчиков

12+
12+

5 дней назад

ПожаловатьсяНарушение авторских прав

210 подписчиков

12+
12+

5 дней назад

ПожаловатьсяНарушение авторских прав
12+
12+

5 дней назад

В этом уроке мы научимся выполнять классификацию изображений с помощью сверточной нейронной сети (CNN) в MATLAB. Сверточная нейронная сеть (CNN) — это мощный метод машинного обучения из области глубокого обучения. Для обучения CNN требуется набор разнообразных изображений. Чем больше набор, тем богаче признаки, которые изучает CNN. Эти признаки часто превосходят такие признаки, как HOG, LBP или SURF. Обучение CNN на большом наборе разнообразных изображений — непростая задача. Однако есть простой способ. Мы можем использовать предварительно обученную CNN, чтобы задействовать ее возможности. Это значительно экономит время и усилия, если мы используем предварительно обученную CNN в качестве экстрактора признаков. В этом уроке я использовал «ResNet-50» в качестве предварительно обученной CNN и набор данных изображений Caltech101. Классификация изображений с помощью сверточной нейронной сети — очень интересная тема. Как только вы научитесь классифицировать изображения с помощью CNN, вы сможете делать все, что захотите. Например, вы можете обучить классификатор для идентификации опухолей головного мозга, раковых клеток и кожных заболеваний. Распознавание объектов — еще одна отличная область, где вы можете использовать метод, показанный в этом уроке. Классификация изображений с помощью сверточной нейронной сети в MATLAB — не самый простой подход. Однако стратегия, использованная в этой лекции, упростила его. Каждая используемая здесь функция, роль и результат каждой строки кода, а также объяснения с примерами, где это необходимо, сделали этот урок лучшим уроком по классификации изображений с использованием сверточной нейронной сети в MATLAB. После завершения этого урока вы узнаете: 1. Как загрузить набор данных в MATLAB 2. Как использовать хранилище данных изображений 3. Как загрузить предварительно обученную сверточную нейронную сеть в MATLAB 4. Как построить график структуры сверточной нейронной сети 5. Как просмотреть различные слои CNN в MATLAB 6. Как найти количество классов в CNN 7. Как обрабатывать изображения из CNN 8. Как визуализировать признаки различных слоев сверточной нейронной сети 9. Как извлекать признаки из изображения 10. Как обучить классификатор 11. Как сравнить признаки между обучающим и тестовым наборами данных 12. Как рассчитать точность классификатора и 13. Как классифицировать изображения с помощью сверточной нейронной сети в MATLAB. Надеюсь, этот урок поможет вам в вашем проекте, исследовании и любых других задачах, где необходима классификация изображений с использованием сверточной нейронной сети (CNN) в MATLAB.

Название:

Классификация изображений с помощью сверточной нейронной сети (CNN) в Matlab

Категория:

Разное