matlab2019a使用 GoogLeNet 对图像进行分类（Deep Learning Toolbox系列篇2）_深度学习matlab的goolenet

说明：此示例是加载已经训练好的googLeNet网络。

1. GoogLeNet网络介绍

此示例说明如何使用预训练的深度卷积神经网络 GoogLeNet 对图像进行分类。

GoogLeNet 已经对超过一百万个图像进行了训练，可以将图像分为 1000 个对象类别（例如键盘、咖啡杯、铅笔和多种动物）。该网络已基于大量图像学习了丰富的特征表示。网络以图像作为输入，然后输出图像中对象的标签以及每个对象类别的概率。

完整代码示例：

clear
close all
clc
% Access the trained model 
net = googlenet; 
% See details of the architecture 
net.Layers 
% Read the image to classify 
I = imread('peppers.png'); 
% Adjust size of the image 
sz = net.Layers(1).InputSize 
I = I(1:sz(1),1:sz(2),1:sz(3)); 
% Classify the image using GoogLeNet 
label = classify(net, I) 
% Show the image and the classification results 
figure 
imshow(I) 
text(10,20,char(label),'Color','white')

一般情况下，在第5行会出现报错，那是因为我们需要下载和安装GoogLeNet Network模块，在报错的红字中有安装的路径(Add-On-Explorer)，只需要点击进去登陆便可以下载此模块：

代码运行结果：

完美识别了此张图片为辣椒.

官方help示例;

clear
close all
clc
%% 加载预训练网络
net = googlenet;
 
inputSize = net.Layers(1).InputSize
 
classNames = net.Layers(end).ClassNames;
numClasses = numel(classNames);
disp(classNames(randperm(numClasses,10)))
 
%% 读取图像并调整图像大小
I = imread('peppers.png');
figure
imshow(I)
 
size(I)
 
I = imresize(I,inputSize(1:2));
figure
imshow(I)
 
%% 对图像进行分类
[label,scores] = classify(net,I);
label
 
figure
imshow(I)
title(string(label) + ", " + num2str(100*scores(classNames == label),3) + "%");
 
%% 显示排名靠前的预测值
[~,idx] = sort(scores,'descend');
idx = idx(5:-1:1);
classNamesTop = net.Layers(end).ClassNames(idx);
scoresTop = scores(idx);
 
figure
barh(scoresTop)
xlim([0 1])
title('Top 5 Predictions')
xlabel('Probability')
yticklabels(classNamesTop)