Exponenta Banner
exponenta event banner

crop2dLayer

2-D слой обрезки

развернуть все на странице

Описание

Слой обрезки 2-D применяется 2-D обрезки к входу.

Для этого слоя существует два входа:

  • 'in' - Карта функций, которая будет обрезана

  • 'ref' - эталонный слой, используемый для определения размера [ширина высоты ] обрезанного выхода

Как только вы создали этот слой, можно добавить его в layerGraph для последовательных соединений между слоями. Чтобы соединить слой подрезки с другими слоями, вызовите connectLayers и задайте входные имена. connectLayers функция возвращает подключенное LayerGraph объект готов к обучению сети.

Создание

Синтаксис

layer = crop2dLayer(Mode)
layer = crop2dLayer(Location)
layer = crop2dLayer(___,'Name',Name)

Описание

layer = crop2dLayer(Mode) возвращает слой, который обрабатывает входную карту функций и устанавливает Mode свойство.

layer = crop2dLayer(Location) возвращает слой, который обрабатывает входную карту функций с помощью прямоугольного окна и устанавливает Location свойство, которое указывает положение окна.

пример

layer = crop2dLayer(___,'Name',Name) создает слой для обрезки и устанавливает необязательный Name свойство.

Свойства

расширить все

Режим обрезки, заданный как 'centercrop' или 'custom'.

СпособОписание
'centercrop'Расположение окна обрезки является центром входной карты функций.
'custom'Расположение окна кадрирования основано на Location свойство. Это значение автоматически устанавливается, когда Location свойство задается как 2-элементный вектор-строка.

Типы данных: char

Расположение окна обрезки, заданное как 'auto' или 2-элементный вектор-строка.

МестоположениеОписание

2-элементный вектор-строка в формате [x y]

Верхний левый угол окна обрезки находится в местоположении [x y] входа функций. x указывает положение в горизонтальном направлении, а y вертикальное направление.

'auto'Окно кадрирования расположено в центре входной карты функций. Это значение автоматически устанавливается, когда Mode свойство задается как 'centercrop'.

Имя слоя, заданное как вектор символов или строковый скаляр. Чтобы включить слой в график слоев, необходимо задать непустое уникальное имя слоя. Если вы обучаете последовательную сеть с слоем и Name установлено в ''затем программа автоматически присваивает слою имя во время обучения.

Типы данных: char | string

Количество входов слоя. Этот слой имеет два входов.

Типы данных: double

Входные имена слоя. Этот слой имеет два входа с именем 'in' и 'ref'.

Типы данных: cell

Количество выходов слоя. Этот слой имеет только один выход.

Типы данных: double

Выходные имена слоя. Этот слой имеет только один выход.

Типы данных: cell

Примеры

свернуть все

Открыть Live Script

Создайте слой обрезки 2-D и соедините оба входов с помощью layerGraph объект.

Создайте слои.

layers = [
     imageInputLayer([32 32 3],'Name','image')
     crop2dLayer('centercrop','Name','crop')]
layers = 
  2x1 Layer array with layers:

     1   'image'   Image Input   32x32x3 images with 'zerocenter' normalization
     2   'crop'    Crop 2D       center crop

Создайте layerGraph. Первый вход crop2dLayer автоматически соединяется с первым выходом входного слоя изображения.

lgraph = layerGraph(layers)
lgraph = 
  LayerGraph with properties:

         Layers: [2x1 nnet.cnn.layer.Layer]
    Connections: [1x2 table]
     InputNames: {'image'}
    OutputNames: {1x0 cell}

Соедините входной слой изображения с "ref" вход слоя обрезки 2-D.

lgraph = connectLayers(lgraph,'image','crop/ref')  
lgraph = 
  LayerGraph with properties:

         Layers: [2x1 nnet.cnn.layer.Layer]
    Connections: [2x2 table]
     InputNames: {'image'}
    OutputNames: {1x0 cell}

Расширенные возможности

Генерация кода C/C + +
Сгенерируйте код C и C++ с помощью Coder™ MATLAB ®

.

Генерация кода GPU
Сгенерируйте код CUDA ® для графических процессоров NVIDIA ® с помощью GPU Coder™

.

См. также

| | (Computer Vision Toolbox) | (Computer Vision Toolbox) | (Computer Vision Toolbox) | (Computer Vision Toolbox) | (Computer Vision Toolbox) | (Computer Vision Toolbox)

Темы

Введенный в R2017b

Документация по Deep Learning Toolbox

Поддержка