Сеть обнаружения мультиобъекта поля SSD
создает сеть обнаружения мультиобъекта поля одного детектора выстрела (SSD) на основе lgraph
= ssdLayers(imageSize
,numClasses
,baseNetwork
)baseNetwork
, введите размер изображения и количество классов, которые сеть должна быть сконфигурирована, чтобы классифицировать. Сеть возвращена как LayerGraph
объект.
SSD является сверточной нейронной сетью на основе детектора объектов, которая предсказывает координаты ограничительной рамки, классификационные оценки и соответствующие метки класса.
возвращает SSD, который содержит пользовательские поля привязки, заданные lgraph
= ssdLayers(___,anchorBoxes
,predictorLayerNames
)anchorBoxes
это соединяется со слоями сети в местоположениях, заданных predictorLayerNames
. Задайте эти аргументы в дополнение к входному параметру от предыдущего синтаксиса.
ssdLayers
функция создает сеть SSD и возвращает lgraph
, объект, который представляет сетевую архитектуру для детектора объектов SSD.
trainSSDObjectDetector
функция обучает и возвращает детектор объектов SSD, ssdObjectDetector
. Используйте detect
возразите функции для ssdObjectDetector
объект обнаружить объекты с помощью детектора, обученного с архитектурой сети SSD.
bbox = detect(detector,I)
ssdLayers
функционируйте использует предварительно обученную нейронную сеть в качестве основной сети, в которую она добавляет подсеть обнаружения, требуемую для создания сети обнаружения объектов SSD. Учитывая основную сеть, ssdLayers
удаляет все слои, следующие за слоем функции в основной сети, и добавляет подсеть обнаружения. Подсеть обнаружения состоит из групп последовательно связанной свертки, исправил линейный модуль (ReLU) и слои нормализации партии. Слой слияния SSD, слой регрессии поля и фокальный слой классификации потерь добавляются к подсети обнаружения.
[1] Лю, Вэй, Драгомир Ангуелов, Думитру Эрхэн, Кристиан Сзеджеди, Скотт Рид, Чэнян Фу и Александр К. Берг. "SSD: Один Выстрел Детектор MultiBox". В Компьютерном зрении – ECCV 2016, отредактированный Бастианом Лайбе, Иржи Матасом, Nicu Sebe и Максом Веллингом, 9905:21-37. Хан: Springer International Publishing, 2016. https://doi.org/10.1007/978-3-319-46448-0_2.
[2] Хуан, Джонатан, Vivek Rathod, Чен Сун, Мэньглун Чжу, Anoop Korattikara, Алиреза Фэти, Иэн Фишер, и др. "Компромиссы Скорости/Точности для современных Сверточных Детекторов объектов". На 2 017 Конференциях по IEEE по Компьютерному зрению и Распознаванию образов (CVPR), 3296-97. Гонолулу, HI:IEEE, 2017. https//doi.org/10.1109/CVPR.2017.351.