创建U-Net层语义分割gydF4y2Ba
返回一个U-Net网络。gydF4y2BalgraphgydF4y2Ba
= unetLayers (gydF4y2Ba图象尺寸gydF4y2Ba
,gydF4y2BanumClassesgydF4y2Ba
)gydF4y2BaunetLayersgydF4y2Ba
网络中包含一个像素分类层预测分类标签输入图像中的每个像素。gydF4y2Ba
使用gydF4y2BaunetLayersgydF4y2Ba
创建U-Net网络体系结构。你必须训练网络使用深度学习工具箱™函数gydF4y2BatrainNetworkgydF4y2Ba
(深度学习工具箱)gydF4y2Ba。gydF4y2Ba
(gydF4y2Ba
还返回输出尺寸的大小从U-Net网络。gydF4y2BalgraphgydF4y2Ba
,gydF4y2BaoutputSizegydF4y2Ba
)= unetLayers (gydF4y2Ba图象尺寸gydF4y2Ba
,gydF4y2BanumClassesgydF4y2Ba
)gydF4y2Ba
___gydF4y2Ba= unetLayers (gydF4y2Ba
使用一个或多个名称-值对参数指定选项。在报价附上每个属性的名字。例如,gydF4y2Ba图象尺寸gydF4y2Ba
,gydF4y2BanumClassesgydF4y2Ba
,gydF4y2Ba名称,值gydF4y2Ba
)gydF4y2BaunetLayers(图象尺寸、numClasses NumFirstEncoderFilters, 64)gydF4y2Ba
另外设置输出通道的数量gydF4y2Ba64年gydF4y2Ba
第一编码器阶段。gydF4y2Ba
使用gydF4y2Ba“相同”gydF4y2Ba
填充卷积层保持相同的数据从输入到输出,使使用广泛的输入图像大小。gydF4y2Ba
使用patch-based方法无缝大图像的分割。你可以通过使用提取图像补丁gydF4y2BarandomPatchExtractionDatastoregydF4y2Ba
函数在图像处理工具箱™。gydF4y2Ba
使用gydF4y2Ba“有效”gydF4y2Ba
填充,防止边境工件时使用patch-based方法分割。gydF4y2Ba
您可以使用创建的网络使用gydF4y2BaunetLayersgydF4y2Ba
功能训练后GPU代码生成gydF4y2BatrainNetworkgydF4y2Ba
(深度学习工具箱)gydF4y2Ba。细节和示例,请参阅gydF4y2Ba深度学习代码生成gydF4y2Ba(深度学习工具箱)gydF4y2Ba。gydF4y2Ba
[1]Ronneberger, O。,P. Fischer, and T. Brox. "U-Net: Convolutional Networks for Biomedical Image Segmentation."医学影像计算和计算机辅助介入(MICCAI)gydF4y2Ba。9351卷,2015年,页234 - 241。gydF4y2Ba
他[2],K。,X. Zhang, S. Ren, and J. Sun. "Delving Deep Into Rectifiers: Surpassing Human-Level Performance on ImageNet Classification."《IEEE计算机视觉国际会议gydF4y2Ba。2015年,1026 - 1034。gydF4y2Ba
pixelClassificationLayergydF4y2Ba
|gydF4y2BalayerGraphgydF4y2Ba
(深度学习工具箱)gydF4y2Ba|gydF4y2BaDAGNetworkgydF4y2Ba
(深度学习工具箱)gydF4y2BafcnLayersgydF4y2Ba
|gydF4y2BasegnetLayersgydF4y2Ba
|gydF4y2BatrainNetworkgydF4y2Ba
(深度学习工具箱)gydF4y2Ba|gydF4y2BasemanticseggydF4y2Ba
|gydF4y2Badeeplabv3plusLayersgydF4y2Ba
|gydF4y2BaevaluateSemanticSegmentationgydF4y2Ba