Exponenta Banner

rpnClassificationLayer

Слой Classification для сетей предложения по области (RPNs)

расширьте все на странице

Описание

Слой классификации сетей предложения по области (RPN) классифицирует области изображений или как объект или как фон при помощи функции потери перекрестной энтропии. Используйте этот слой, чтобы создать сеть обнаружения объектов Faster R-CNN.

Создание

Синтаксис

layer = rpnClassificationLayer
layer = rpnClassificationLayer('Name',Name)

Описание

layer = rpnClassificationLayer создает слой классификации 2D классов для сети обнаружения объектов Faster R-CNN.

пример

layer = rpnClassificationLayer('Name',Name) создает слой классификации 2D классов и устанавливает дополнительный Name свойство.

Свойства

развернуть все

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

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

Примеры

свернуть все

Скрипт Open Live Script

Создайте RPN softmax слой с именем 'rpn_softmax'.

rpnSoftmax = rpnSoftmaxLayer('Name','rpn_softmax')
rpnSoftmax = 
  RPNSoftmaxLayer with properties:

    Name: 'rpn_softmax'

Создайте слой классификации RPN с именем 'rpn_cls'.

rpnClassification = rpnClassificationLayer('Name','rpn_cls')
rpnClassification = 
  RPNClassificationLayer with properties:

    Name: 'rpn_cls'

Добавьте RPN softmax и слои классификации RPN к Layer массив, чтобы сформировать ветвь классификации RPN.

numAnchors = 3;
rpnClassLayers = [
    convolution2dLayer(1,numAnchors*2,'Name','conv1x1_box_cls')
    rpnSoftmax
    rpnClassification
    ]
rpnClassLayers = 
  3x1 Layer array with layers:

     1   'conv1x1_box_cls'   Convolution                 6 1x1 convolutions with stride [1  1] and padding [0  0  0  0]
     2   'rpn_softmax'       RPN Softmax                 rpn softmax
     3   'rpn_cls'           RPN Classification Output   cross-entropy loss with 'object' and 'background' classes

Смотрите также

| | (Deep Learning Toolbox)

Темы

Введенный в R2018b

Документация Computer Vision Toolbox

Поддержка