yolov2ReorgLayer

Создайте слой перестройки для сети обнаружения объектов YOLO v2

расширьте все на странице

Описание

Функция yolov2ReorgLayer создает объект YOLOv2ReorgLayer, который представляет слой перестройки для вас, смотрят только однажды версия 2 (YOLO v2) сеть обнаружения объектов. Слой перестройки реорганизовывает карты функции с высоким разрешением от нижнего уровня путем укладки смежных функций в различные каналы. Вывод слоя перестройки питается слой конкатенации глубины. Слой конкатенации глубины конкатенирует реорганизованные функции с высоким разрешением с функциями с низкой разрешающей способностью от более высокого слоя.

Создание

Синтаксис

layer = yolov2ReorgLayer(stride)
layer = yolov2ReorgLayer(stride,Name,Value)

Описание

пример

layer = yolov2ReorgLayer(stride) создает слой перестройки для сети обнаружения объектов YOLO v2. Слой реорганизовывает размерность входных карт функции согласно размеру шага, заданному в stride. Для получения дополнительной информации при создании сети YOLO v2 со слоем перестройки, см. Проект Сеть обнаружения YOLO v2 со Слоем Reorg.

пример

layer = yolov2ReorgLayer(stride,Name,Value) устанавливает свойство Name с помощью пары "имя-значение". Заключите имя свойства в одинарные кавычки. Например, yolov2ReorgLayer('Name','yolo_Reorg') создает слой перестройки с именем 'yolo_Reorg'.

Входные параметры

развернуть все

Размер шага для того, чтобы пересечь вход вертикально и горизонтально, заданный как 2-векторов элемента положительных целых чисел в форме [a b]. a является вертикальным размером шага, и b является горизонтальным размером шага.

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

Свойства

развернуть все

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. Этот слой принимает один вход только.

Типы данных: double

Введите имена слоя. Этот слой принимает один вход только.

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

Этот пример использование:

Скрипт Open Live Script

Задайте размер шага для реорганизации размерности входной карты функции.

stride = [2 2];

Создайте слой YOLO v2 перестройки с заданным размером шага и именем как "yolo_Reorg".

layer = yolov2ReorgLayer(stride,'Name','yolo_Reorg');

Осмотрите свойства слоя YOLO v2 перестройки.

layer
layer = 
  YOLOv2ReorgLayer with properties:

      Name: 'yolo_Reorg'

   Hyperparameters
    Stride: [2 2]

Советы

  • Можно найти требуемое значение использования stride:

Алгоритмы

Слой перестройки улучшает производительность сети обнаружения объектов YOLO v2 путем упрощения конкатенации функции от различных слоев. Это реорганизовывает размерность карты функции нижнего уровня так, чтобы это могло быть конкатенировано с более высокой картой функции слоя.

Рассмотрите входную карту функции размера [H W C], где:

  • H является высотой карты функции.

  • W является шириной карты функции.

  • C является количеством каналов.

Слой перестройки выбирает значения карты функции из местоположений на основе размеров шага в stride и добавляет те значения функции в третью размерность C. Размером реорганизованной карты функции от слоя перестройки является [floor(H/stride(1)) floor(W/stride(2)) C×stride(1)×stride(2)].

Для конкатенации функции высота и ширина реорганизованной карты функции должны соответствовать с высотой и шириной более высокой карты функции слоя.

Ссылки

[1] Джозеф. R, С. К. Диввэла, Р. Б. Джиршик и Ф. Али. "Вы Только Взгляд Однажды: Объединенное, Обнаружение объектов В реальном времени". В Продолжениях Конференции по IEEE по Компьютерному зрению и Распознаванию образов (CVPR), стр 779–788. Лас-Вегас, NV: CVPR, 2016.

[2] Джозеф. R и Ф. Али. "YOLO 9000: Лучше, Быстрее, Более сильный". В Продолжениях Конференции по IEEE по Компьютерному зрению и Распознаванию образов (CVPR), стр 6517–6525. Гонолулу, HI: CVPR, 2017.

Расширенные возможности

Смотрите также

| | | |

Темы

Введенный в R2019a

Документация Computer Vision Toolbox
Поддержка
Для просмотра документации необходимо авторизоваться на сайте