Слой нейронной сети для вывода карты признаков фиксированного размера для прямоугольных областей интереса (ROI)
ROI, макс. объединяющий слой выходная функция фиксированного размера, сопоставляет для каждого прямоугольного ROI в рамках входной карты функции. Используйте этот слой, чтобы создать Быстрое или сеть обнаружения объектов Faster R-CNN.
Учитывая входную карту функции размера [H
W
C
N], где C является количеством каналов и N, количество наблюдений, выходным размером карты функции является [height
width
C
sum(M)], где height и width являются выходным размером. M является вектором из длины, N и M (i) являются количеством ROI, сопоставленных с i-th входная карта функции.
Существует два входных параметров к этому слою:
'in' — Входная карта функции, которая будет обрезана
'roi' — Список ROI, чтобы объединить
Используйте входные имена при соединении или разъединении ROI, макс. объединяющего слой к другому использованию слоев connectLayers (Deep Learning Toolbox) или disconnectLayers (Deep Learning Toolbox) (требует Deep Learning Toolbox™).
layer = roiMaxPooling2dLayer(outputSize) создает макс. слой объединения для ROI и устанавливает OutputSize свойство.
Создайте слой входа ROI.
roiInput = roiInputLayer('Name','roi_input');
Создайте ROI, макс. объединяющий слой с выходным размером [4 4].
outputSize = [4 4]; roiPool = roiMaxPooling2dLayer(outputSize,'Name','roi_pool');
Добавьте слои в LayerGraph.
lgraph = layerGraph; lgraph = addLayers(lgraph,roiInput); lgraph = addLayers(lgraph,roiPool);
Укажите, что выходом слоя входа ROI является 'roi' вход ROI, макс. объединяющего слой.
lgraph = connectLayers(lgraph,'roi_input','roi_pool/roi'); plot(lgraph)
trainFastRCNNObjectDetector | trainFasterRCNNObjectDetector | roiInputLayer | maxPooling2dLayer (Deep Learning Toolbox) | layerGraph (Deep Learning Toolbox) | connectLayers (Deep Learning Toolbox) | removeLayers (Deep Learning Toolbox)
