主要内容

pixelClassificationLayer

创建像素分类层语义分割

扩展所有的页面

描述

一个像素分类层提供了一个为每个图像像素或体素分类标签。

创建

语法

层= pixelClassificationLayer
层= pixelClassificationLayer(名称、值)

描述

例子

层= pixelClassificationLayer创建一个像素分类为语义图像分割网络输出层。层输出每个图像像素或体素的分类标签处理由CNN。层自动忽略未定义像素标签在训练。

例子

层= pixelClassificationLayer(名称,值)返回一个像素分类输出层使用名称、值对参数设置可选的类,ClassWeights,的名字属性通过使用名称-值对。您可以指定多个名称-值对。在报价附上每个属性的名字。

例如,pixelClassificationLayer('名称',' pixclass ')创建一个像素分类层与这个名字“pixclass”。

属性

全部展开

输出层的类,指定为一个分类向量,字符串数组,单元阵列的特征向量,或“汽车”。如果类是“汽车”,然后在训练时软件自动设置类。如果指定的字符串数组或单元阵列特征向量str,然后输出层的软件设置类分类(str, str)。

数据类型:字符|分类|字符串|细胞

类权重,指定为“没有”或一个向量的标量。向量的元素对应的类类。如果您指定ClassWeights,那么你必须指定类。

使用类权重平衡类当有未被充分代表的类在训练数据。

这个属性是只读的。

输出层的大小。这个值是“汽车”前培训,在培训时被指定为一个数值。

这个属性是只读的。

损失函数用于培训,指定为“crossentropyex”。

图层名称,指定为一个特征向量或字符串标量。为层数组输入,trainNetwork,assembleNetwork,layerGraph,dlnetwork函数自动分配名字与名字层”。

数据类型:字符|字符串

这个属性是只读的。

输入层的数量。这一层只接受一个输入。

数据类型:双

这个属性是只读的。

输入层的名称。这一层只接受一个输入。

数据类型:细胞

例子

全部折叠

这个示例使用:

打开生活的脚本

预测分类标签输入图像中的每个像素。

32 32层= [imageInputLayer ([3]) convolution2dLayer (3 16“步”2,“填充”,1)reluLayer transposedConv2dLayer (3、1“步”2,“种植”1)softmaxLayer pixelClassificationLayer]
层= 6 x1层与层:数组1”的形象输入32 x32x3图像zerocenter正常化2”卷积16 3 x3的隆起与步幅[2 2]和填充[1 1 1 1]3”ReLU ReLU 4”转置1 3 x3转置运算和卷积大步[2 2]和裁剪[1 1 1 1]5”Softmax Softmax 6”像素分类层叉损失

这个示例使用:

打开生活的脚本

平衡类使用逆类频率加权当一些类是未被充分代表的训练数据。首先,计算类频率使用pixelLabelDatastore通过训练数据。然后,设置“ClassWeights”pixelClassificationLayer计算逆类频率。

设置图像的位置和像素标签数据。

dataDir = fullfile (toolboxdir (“愿景”),“visiondata”);imDir = fullfile (dataDir,“建筑”);pxDir = fullfile (dataDir,“buildingPixelLabels”);

创建一个使用地面实况图像像素标签图像数据存储洛桑国际管理发展学院和像素标记图像pxds。

imd = imageDatastore (imDir);一会= [“天空”“草”“建筑”“人行道”];pixelLabelID = (1 2 3 4);一会,pxds = pixelLabelDatastore (pxDir pixelLabelID);

汇总类分布的数据集。

台= countEachLabel (pxds)
台=4×3表名字PixelCount ImagePixelCount _______ __________售予{‘天空’}3.1485 1.536 e + e + 05 06{‘草’}1.5979 1.536 e + e + 05 06{“建筑”}1.0312 e + 06 1.536 e + 06{“人行道”}25313 9.216 e + 05

计算逆频率类权重。

totalNumberOfPixels =总和(tbl.PixelCount);频率=(资源。PixelCount / totalNumberOfPixels;inverseFrequency = 1. /频率
inverseFrequency =4×14.8632 9.5827 1.4848 60.4900

设置“ClassWeights”逆向类频率。

层= pixelClassificationLayer (…“类”tbl.Name,“ClassWeights”inverseFrequency)
层= PixelClassificationLayer属性:名称:“类:[天空草地建设人行道]ClassWeights: x1双[4]OutputSize:‘汽车’Hyperparameters LossFunction:“crossentropyex”

扩展功能

版本历史

介绍了R2017b

另请参阅

对象

功能

主题