rpnSoftmaxLayer

Softmax слоя для области сети предложений (RPN)

Описание

Слой softmax сети предложения области (RPN) применяет функцию активации softmax к входу. Используйте этот слой для создания сети обнаружения объектов Faster R-CNN.

Создание

Описание

layer = rpnSoftmaxLayer создает слой softmax для сети обнаружения объектов Faster R-CNN.

пример

layer = rpnSoftmaxLayer('Name',Name) создает слой softmax и устанавливает дополнительные Name свойство.

Свойства

расширить все

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 принимает только один вход.

Типы данных: double

Входные имена слоя. Этот слой принимает только один вход.

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

Создайте слой softmax RPN 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 слои классификации RPN и Layer массив, для формирования классификационной ветви 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
Введенный в R2018b
Для просмотра документации необходимо авторизоваться на сайте