image3dInputLayer

3-D изображение ввело слой

расширьте все на странице

Описание

3-D изображение ввело входные параметры слоя 3-D изображения или объемы к сети, и применяет нормализацию данных.

Для 2D входа изображений используйте imageInputLayer.

Создание

Синтаксис

layer = image3dInputLayer(inputSize)
layer = image3dInputLayer(inputSize,Name,Value)

Описание

layer = image3dInputLayer(inputSize) возвращает 3-D входной слой изображений и задает свойство InputSize.

пример

layer = image3dInputLayer(inputSize,Name,Value) устанавливает дополнительные свойства с помощью пар "имя-значение". Можно задать несколько пар "имя-значение". Заключите каждое имя свойства в одинарные кавычки.

Свойства

развернуть все

3-D вход изображений

Размер входных данных, заданных как вектор - строка из целых чисел [h w d c], где h, w, d и c соответствуют высоте, ширине, глубине и количеству каналов соответственно.

  • Для полутонового входа задайте вектор с c, равным 1.

  • Для входа RGB задайте вектор с c, равным 3.

  • Для многоспектрального или гиперспектрального входа задайте вектор с c, равным количеству каналов.

Для 2D входа изображений используйте imageInputLayer.

Пример: [132 132 116 3]

Преобразование данных, чтобы применить каждый раз данные вперед распространено через входной слой, заданный как одно из следующих.

  • 'zerocenter' — Вычтите среднее изображение, заданное свойством AverageImage. Функция trainNetwork автоматически вычисляет среднее изображение в учебное время.

  • 'none' Не преобразовывайте входные данные.

Среднее изображение использовало для нулевой центральной нормализации, заданной как h-by-w-by-d-by-c массив, 1 1 1 c массивом средних значений на канал или [], где h, w, d и c соответствуют высоте, ширине, глубине и количеству каналов среднего изображения соответственно.

Можно установить это свойство при создании сетей без обучения (например, при сборке сетей с помощью assembleNetwork). В противном случае функция trainNetwork повторно вычисляет среднее изображение в учебное время. При определении среднего изображения свойством Normalization должен быть 'zerocenter'.

Типы данных: single | double | int8 | int16 | int32 | int64 | uint8 | uint16 | uint32 | uint64

Слой

Имя слоя, заданное как вектор символов или скаляр строки. Чтобы включать слой в график слоя, необходимо задать непустое уникальное имя слоя. Если вы обучаете серийную сеть со слоем, и Name установлен в '', то программное обеспечение автоматически присваивает имя к слою в учебное время.

Типы данных: char | string

Количество входных параметров слоя. Слой не имеет никаких входных параметров.

Типы данных: double

Введите имена слоя. Слой не имеет никаких входных параметров.

Типы данных: cell

Количество выходных параметров слоя. Этот слой имеет один вывод только.

Типы данных: double

Выведите имена слоя. Этот слой имеет один вывод только.

Типы данных: cell

Примеры

свернуть все

Скрипт Open Live Script

Создайте 3-D входной слой изображений для 132 132 116 цветными 3-D изображениями с именем 'input'. По умолчанию слой выполняет нормализацию данных путем вычитания среднего изображения набора обучающих данных от каждого входного изображения.

layer = image3dInputLayer([132 132 116],'Name','input')
layer = 
  Image3DInputLayer with properties:

             Name: 'input'
        InputSize: [132 132 116 1]

   Hyperparameters
    Normalization: 'zerocenter'
     AverageImage: []

Включайте 3-D входной слой изображений в массив Layer.

layers = [
    image3dInputLayer([28 28 28 3])
    convolution3dLayer(5,16,'Stride',4)
    reluLayer
    maxPooling3dLayer(2,'Stride',4)
    fullyConnectedLayer(10)
    softmaxLayer
    classificationLayer]
layers = 
  7x1 Layer array with layers:

     1   ''   3-D Image Input         28x28x28x3 images with 'zerocenter' normalization
     2   ''   Convolution             16 5x5x5 convolutions with stride [4  4  4] and padding [0  0  0; 0  0  0]
     3   ''   ReLU                    ReLU
     4   ''   3-D Max Pooling         2x2x2 max pooling with stride [4  4  4] and padding [0  0  0; 0  0  0]
     5   ''   Fully Connected         10 fully connected layer
     6   ''   Softmax                 softmax
     7   ''   Classification Output   crossentropyex

Смотрите также

| | | | | |

Темы

Введенный в R2019a

Документация Deep Learning Toolbox
Поддержка
Для просмотра документации необходимо авторизоваться на сайте