yolov2ReorgLayer

Создайте слой перестройки для сети обнаружения объектов YOLO v2

Описание

yolov2ReorgLayer функция создает YOLOv2ReorgLayer объект, который представляет слой перестройки для вас, смотрит 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. Выход 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

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',layerName) устанавливает Name свойство 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 в виде вектора с 2 элементами положительных целых чисел в форме [a b]A вертикальный размер шага и b горизонтальный размер шага.

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

Имя слоя перестройки в виде вектора символов или строкового скаляра. Этот входной параметр устанавливает Name свойство слоя. Если вы не задаете имя, то функция автоматически устанавливает Name к ''.

Типы данных: char | string

Свойства

развернуть все

Имя слоя в виде вектора символов. 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

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 выход только.

Типы данных: double

Выведите имена слоя. Этот слой имеет один выход только.

Типы данных: cell

Примеры

свернуть все

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');

Смотрите свойства слоя YOLO v2 перестройки.

layer
layer = 
  YOLOv2ReorgLayer with properties:

      Name: 'yolo_Reorg'

   Hyperparameters
    Stride: [2 2]

Советы

  • Можно найти требуемое значение stride использование:

    stride=пол(size of input feature map to reorganization layerразмер  выхода показывает карту от более высокого слоя)

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. Размер реорганизованной карты функции от слоя перестройки

[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

Генерация кода графического процессора
Сгенерируйте код CUDA® для NVIDIA® графические процессоры с помощью GPU Coder™.

Введенный в R2019a

Для просмотра документации необходимо авторизоваться на сайте