Уровень нейронной сети, используемый для вывода карт характеристик фиксированного размера для прямоугольных ROI
Уровень максимального объединения ROI выводит карты характеристик фиксированного размера для каждого прямоугольного ROI во входной карте характеристик. Этот уровень используется для создания сети обнаружения объектов Fast или Faster R-CNN.
При наличии входной карты характеристик размера [H
W C N],
где C
- количество каналов, а N - количество наблюдений, размер выходной карты характеристик равен [ширина высоты C
sum(M)], где высота и ширина являются размером выходного сигнала. M - вектор длины N, а M (i) - число ROI, связанных с i-й картой входных признаков.
Существует два входа на этот уровень:
'in' - карта входных элементов, которые будут обрезаны;
'roi' - Список ROI для объединения
Используйте входные имена при подключении или отключении уровня максимального пула окупаемости инвестиций к другим уровням с помощью connectLayers (инструментарий глубокого обучения) или disconnectLayers (Deep Learning Toolbox) (требуется Toolbox™ глубокого обучения).
layer = roiMaxPooling2dLayer(outputSize) создает максимальный уровень пула для ROI и устанавливает OutputSize собственность.
Создайте входной уровень ROI.
roiInput = roiInputLayer('Name','roi_input');
Создайте уровень максимального пула ROI с размером вывода [4 4].
outputSize = [4 4]; roiPool = roiMaxPooling2dLayer(outputSize,'Name','roi_pool');
Добавьте слои в график слоев.
lgraph = layerGraph; lgraph = addLayers(lgraph,roiInput); lgraph = addLayers(lgraph,roiPool);
Укажите, что выходом входного уровня ROI является 'roi' вход уровня максимального объединения ROI.
lgraph = connectLayers(lgraph,'roi_input','roi_pool/roi'); plot(lgraph)
roiInputLayer | trainFasterRCNNObjectDetector | trainFastRCNNObjectDetector | connectLayers (инструментарий для глубокого обучения) | layerGraph (инструментарий для глубокого обучения) | maxPooling2dLayer (инструментарий для глубокого обучения) | removeLayers (инструментарий для глубокого обучения)