主要内容

roiAlignLayer

经典的ROI Mask-CNN池层

扩展所有的页面

描述

一个ROI层对齐输出固定大小的特征图中的每个矩形ROI地图输入功能。使用这一层创建一个面具R-CNN网络。

给定一个输入特征的地图大小(HWCN),C的渠道和数量吗N是观测的数量,输出特性图大小(hwC总和(米),h和w指定的输出大小。米是一个向量的长度N和米(我)相关roi的数量我th地图输入功能。

这一层有两个输入:

  • “在”——输入特性图

  • “投资回报”——roi的池

使用输入名称连接或断开时ROI对齐层其他层使用connectLayers(深度学习工具箱)或disconnectLayers(深度学习工具箱)(需要深度学习工具箱™)。

创建

语法

层= roiAlignLayer (outputSize)
层= roiAlignLayer (outputSize、名称、值)

描述

层= roiAlignLayer (outputSize)创建一个ROI使层与集中输出大小outputSize。的outputSize输入设置OutputSize财产。

例子

层= roiAlignLayer (outputSize、名称、值)设置属性的ROI对齐层通过使用一个或多个参数名称-值对。在报价附上每个属性的名字。

例如,roiAlignLayer(7[7],“名字”,“roiAlignLayer”)创建一个ROI使层与集中输出7-by-7像素大小和名称“roialignlayer”。

属性

全部展开

池输出大小,指定为一个向量的两个正整数[w h],在那里h是身高和w是宽度。

数据类型:双

大规模的输入特性映射到输入图像,指定为一个正数。

数据类型:双

每个池本样本数量,指定为“汽车”或两个正整数的行向量。这两种元素数量的垂直和水平样本,分别。

如果你不指定采样率,然后垂直样品的数量默认值(即:roiHeight/outputHeight)。同样,水平样本的数量默认值(即:roiWidth/outputWidth)。

数据类型:双|字符

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函数自动分配层的名称的名字设置为”。

数据类型:字符|字符串

输入层的数量。这一层接收两个输入。

数据类型:双

输入层的名称。

数据类型:细胞

这个属性是只读的。

输出层的数量。这一层只有一个输出。

数据类型:双

这个属性是只读的。

输出层的名称。这一层只有一个输出。

数据类型:细胞

例子

全部折叠

打开生活的脚本

指定集中输出大小。

outputSize = 7 [7];

创建一个ROI层命名为“roialign”一致。

层= roiAlignLayer (outputSize,“名字”,“roialign”)
层= ROIAlignLayer属性:名称:“roialign”NumInputs: 2 InputNames:{’’的roi} OutputSize: [7 7] Hyperparameters ROIScale: 1 SamplingRatio:“汽车”

更多关于

全部展开

另请参阅

||

主题

介绍了R2020b

计算机视觉工具箱文档

金宝app

用MATLAB引入深度学习

用MATLAB引入深度学习

下载电子书