在Matlab2017中，完成一個使用CNN網絡進行分類的示例非常簡單。為了便于創建圖像集，Matlab2015引入了ImageDatastore對象，實現函數為imageDatastore，該函數可以輕易的完成遍歷一個文件夾中的圖像建立圖像及的功能，不管該文件夾是否含有子文件夾。這也是它區別于imageSet的地方之一。代碼如下。

%exam1.m

digitDatasetPath = fullfile(matlabroot,'toolbox','nnet','nndemos',...

'nndatasets','DigitDataset');

%創建圖像集，參數設置為包含子文件夾、子文件夾名作為類標簽

digitData = imageDatastore(digitDatasetPath,...

'IncludeSubfolders',true,'LabelSource','foldernames');

figure;

%取20個置亂數字

perm = randperm(10000,20);

%顯示20幅圖像

for i = 1:20

subplot(4,5,i);

imshow(digitData.Files{perm(i)});

end

trainingNumFiles = 750;

%若報錯，可改為rng('default')

rng(1)

%在圖象集每一類中隨機取trainingNumFiles個圖像作為訓練圖像，其余作為測試圖像

[trainDigitData,testDigitData] = splitEachLabel(digitData,...

trainingNumFiles,'randomize');

%創建簡單CNN網絡

layers = [imageInputLayer([28 28 1]);

convolution2dLayer(5,20);

reluLayer();

maxPooling2dLayer(2,'Stride',2);

fullyConnectedLayer(10);

softmaxLayer();

classificationLayer()];

%設置訓練參數

options = trainingOptions('sgdm','MaxEpochs',20,...

'InitialLearnRate',0.0001);

%訓練CNN網絡

convnet = trainNetwork(trainDigitData,layers,options);

%對測試圖像進行分類

YTest = classify(convnet,testDigitData);

%顯示測試圖像標簽

TTest = testDigitData.Labels;

總結

以上是生活随笔為你收集整理的matlab能做深度图像的识别吗,Matlab图像识别/检索系列(6)-10行代码完成深度学习网络之基于CNN的图像分类...的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。