(Не рекомендуется) Создание уровня реорганизации для сети обнаружения объектов YOLO v2
YOLOv2ReorgLayer функция не рекомендуется. Использовать spaceToDepthLayer вместо этого.
yolov2ReorgLayer функция создает YOLOv2ReorgLayer , который представляет уровень реорганизации для просмотра только один раз в сети обнаружения объектов версии 2 (YOLO v2). Уровень реорганизации реорганизует карты элементов высокого разрешения из нижнего уровня путем наложения смежных элементов в различные каналы. Выход уровня реорганизации подается на уровень конкатенации глубины. Слой конкатенации глубины объединяет реорганизованные элементы высокого разрешения с элементами низкого разрешения более высокого уровня.
создает уровень реорганизации для сети обнаружения объектов YOLO v2. Слой реорганизует размер карт входных элементов в соответствии с размером шага, указанным в layer = yolov2ReorgLayer(stride)stride. Дополнительные сведения о создании сети YOLO v2 с уровнем реорганизации см. в разделе Проектирование сети обнаружения YOLO v2 с уровнем Reorg.
Вы можете найти желаемое значение stride использование:
Уровень реорганизации повышает производительность сети обнаружения объектов YOLO v2, облегчая конкатенацию функций с различными уровнями. Он реорганизует размер карты элементов нижнего уровня таким образом, чтобы его можно было объединить с картой элементов верхнего уровня.
Рассмотрим карту входных характеристик размера [H W C], где :
H - высота карты элементов.
W - ширина карты элементов.
C - количество каналов.
Уровень реорганизации выбирает значения карты элементов из расположений на основе размеров шагов в stride и добавляет эти значения элемента к третьему измерению C. Размер реорганизованной карты элементов из уровня реорганизации равен
[floor(H/stride(1)) floor(W/stride(2)) C×stride(1)×stride(2)].
Для конкатенации элементов высота и ширина реорганизованной карты элементов должны соответствовать высоте и ширине карты элементов верхнего слоя.
[1] Иосиф. Р., С. К. Диввала, Р. Б. Гиршик и Ф. Али. «Вы смотрите только один раз: унифицированное обнаружение объектов в реальном времени». В материалах Конференции IEEE по компьютерному зрению и распознаванию образов (CVPR), стр. 779-788. Лас-Вегас, NV: CVPR, 2016.
[2] Иосиф. Р и Ф. Али. «YOLO 9000: лучше, быстрее, сильнее». В материалах Конференции IEEE по компьютерному зрению и распознаванию образов (CVPR), стр. 6517-6525. Гонолулу, HI: CVPR, 2017.
trainYOLOv2ObjectDetector | yolov2Layers | yolov2ObjectDetector | yolov2OutputLayer | yolov2TransformLayer