roiMaxPooling2dLayer
神经网络层用于输出矩形roi的固定尺寸特征图
描述
ROI最大池化层为输入特征图中的每个矩形ROI输出固定大小的特征图。使用此层创建一个Fast或Faster R-CNN对象检测网络。
给定一个大小为[HWCN),C是通道数和N为观测数,输出特征图大小为[高度宽度C总和
(米),高度而且宽度是输出大小。米向量是长度的吗N而且米(我)为与。相关的roi数目我-th输入特征映射。
这个层有两个输入:
“在”
-将被裁剪的输入特征图“投资回报”
-要池的roi列表
在连接或断开ROI最大池化层到其他层时使用输入名称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
描述
层= roiMaxPooling2dLayer(outputSize)
为roi创建最大池化层并设置OutputSize
财产。
属性
例子
版本历史
在R2018b中引入
另请参阅
trainFastRCNNObjectDetector
|trainFasterRCNNObjectDetector
|roiInputLayer
|maxPooling2dLayer
(深度学习工具箱)|layerGraph
(深度学习工具箱)|connectLayers
(深度学习工具箱)|removeLayers
(深度学习工具箱)
主题
- 创建快速R-CNN对象检测网络
- 创建更快的R-CNN对象检测网络
- R-CNN入门,快R-CNN,快R-CNN
- MATLAB深度学习(深度学习工具箱)
- 深度学习层列表(深度学习工具箱)