Exponenta Banner
exponenta event banner

focalLossLayer

Создайте фокальный слой потерь с помощью фокальной функции потерь в обнаружении объектов

расширьте все на странице

Описание

Фокальный слой потерь предсказывает классы объектов с помощью фокальной потери. Фокальная потеря полезна для обнаружения объектов, когда неустойчивость существует между фоновыми классами и передним планом. Чтобы компенсировать неустойчивость класса, фокальная функция потерь умножает перекрестную энтропийную функцию с фактором модуляции, который увеличивает чувствительность сети к неправильно классифицированным наблюдениям.

Создание

Синтаксис

layer = focalLossLayer(alpha,gamma)
layer = focalLossLayer(___, Name,Value)

Описание

layer = focalLossLayer(alpha,gamma) создает фокальный слой потерь для сетей обнаружения объектов, устанавливая балансировку и фокусировку параметров функции потерь. alpha устанавливает Alpha свойство. gamma устанавливает Gamma свойство.

пример

layer = focalLossLayer(___, Name,Value) свойства наборов фокального слоя потерь при помощи одного или нескольких аргументов пары "имя-значение". Заключите каждое имя свойства в кавычки.

Например, focalLossLayer(2,0.1,'Name','focalloss') создает фокальный слой потерь с именем 'focalloss' и заданная балансировка и фокусировка параметров.

Свойства

развернуть все

Балансировка параметра фокальной функции потерь в виде положительного вещественного числа. Alpha значение масштабирует функцию потерь линейно и обычно устанавливается к 0.25. Если вы уменьшаете Alpha, увеличьте Gamma.

Фокусировка параметра фокальной функции потерь в виде положительного вещественного числа. Увеличение значения Gamma увеличивает чувствительность сети к неправильно классифицированным наблюдениям.

Классы объектов, которые один детектор объектов выстрела (SSD) обучен обнаружить в виде вектора строки, категориального вектора, массива ячеек из символьных векторов или 'auto'. Когда вы устанавливаете Classes к 'auto', классы автоматически установлены в учебное время. Когда вы задаете вектор строки или массив ячеек из символьных векторов, затем элементы Classes сортируются согласно выходу categories функция.

Типы данных: string | categorical | cell | char

Имя слоя в виде вектора символов или строкового скаляра. Чтобы включать слой в график слоев, необходимо задать непустое уникальное имя слоя. Если вы обучаете серийную сеть со слоем и Name установлен в '', затем программное обеспечение автоматически присваивает имя к слою в учебное время.

Типы данных: char | string

Примеры

свернуть все

Скрипт Open Live Script

Задайте имена классов.

classes = ["Vehicle","Background"];

Задайте балансирующуюся параграницу и фокусирующийся параметр фокальной функции потерь. Создайте фокальный слой потерь, названный "focallosslayer" для этих двух классов, отобразив результаты.

alpha = 2;
gamma = 0.1;
layer = focalLossLayer(alpha,gamma, ...
    'Classes',classes,'Name','focallosslayer')
layer = 
  FocalLossLayer with properties:

            Name: 'focallosslayer'

   Hyperparameters
           Gamma: 2
           Alpha: 0.1000
         Classes: [2x1 categorical]
    LossFunction: 'focalLoss'

Больше о

развернуть все

Ссылки

[1] Лин, Цзун-И, Priya Goyal, Росс Джиршик, Kaiming он и доллар Петра. "Фокальная потеря для плотного обнаружения объектов". На международной конференции 2017 IEEE® по вопросам компьютерного зрения (ICCV), 2999–3007. Венеция: IEEE, 2017. https://doi.org/10.1109/ICCV.2017.324.

Смотрите также

|

Темы

Введенный в R2020a

Документация Computer Vision Toolbox
Поддержка