(Не рекомендуемый), Создают слой перестройки для сети обнаружения объектов YOLO v2
YOLOv2ReorgLayer
функция не рекомендуется. Использование spaceToDepthLayer
вместо этого.
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.
создает слой перестройки для сети обнаружения объектов YOLO v2. Слой реорганизовывает размерность входных карт функции согласно размеру шага, заданному в layer
= yolov2ReorgLayer(stride
)stride
. Для получения дополнительной информации при создании сети YOLO v2 со слоем перестройки, см. Проект Сеть обнаружения YOLO v2 со Слоем Reorg.
Можно найти требуемое значение stride
использование:
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.
[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.
trainYOLOv2ObjectDetector
| yolov2Layers
| yolov2ObjectDetector
| yolov2OutputLayer
| yolov2TransformLayer