Matlab深度学习入门实例:基于AlexNet的红绿灯识别（附完整代码）

AlexNet于2012年出现在ImageNet的图像分类比赛中，并取得了当年冠军，从此卷积神经网络开始受到人们的强烈关注。AlexNet是深度卷积神经网络研究热潮的开端，也是研究热点从传统视觉方法过度到卷积神经网络网络的标志。

AlexNet模型共包含有8层，包含5个卷积层和3个全连接层，AlexNet相比于LeNet的特点在于，对于每一个卷积层，均包含RELU和局部响应归一化处理。

须设置数据集文件夹与神经网络的m文件地址相同，数据集文件夹命名为为TrafficLightSamples，其包含的子文件夹如下，每一类共有500张图片：

部分图片如下：

搭建网络的部分函数不在赘述，可以查看上一篇文章（LeNet）。

代码实现与详解：

1.加载图片样本：

% 功能：对AlexNet用样本数据进行训练，实现对输入图像的识别
clear
close all
clc
% 加载图像数据
imds = imageDatastore('TrafficLightSamples', ...
       'IncludeSubfolders',true, ...
       'LabelSource','foldernames');

'IncludeSubfolders',true:包含每个文件夹中的所有文件和子文件夹；

'LabelSource','foldernames':根据文件夹名称分配标签并储存在Labels属性中。

2.将样本划分为训练集和测试集，并统计分类数量：

% 划分验证集和训练集
[imdsTrain,imdsValidation] = splitEachLabel(imds,0.7,'randomized');

% 确定训练数据中需要分类的种类
numClasses = numel(categories(imdsTrain.Labels));

imdsTrain为训练样本数据，imdsValidation为验证样本数据，0.7为训练样本的比例。

3.构建AlexNet并进行可视化分析：

% A