主要内容

roiMaxPooling2dLayer

神经网络层用于输出矩形roi的固定尺寸特征图

展开全部页面

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

语法

层= roiMaxPooling2dLayer(outputSize)
layer = roiMaxPooling2dLayer(outputSize，'Name'，Name)

描述

层= roiMaxPooling2dLayer(outputSize)为roi创建最大池化层并设置OutputSize财产。

例子

layer = roiMaxPooling2dLayer(outputSize，'Name'，Name)为roi创建最大池化层并设置可选的名字财产。要创建包含ROI最大池化层的网络，必须指定层名。

属性

全部展开

池输出大小，指定为该形式的两元素正整数向量［高度宽度］．

层名，指定为字符向量或字符串标量。为层数组输入时，trainNetwork(深度学习工具箱)，assembleNetwork(深度学习工具箱)，layerGraph(深度学习工具箱),dlnetwork(深度学习工具箱)函数自动为具有该名称的层分配名称”．

数据类型:字符|字符串

该层的输入数量。这一层有两个输入。

数据类型:双

输入层的名称。这个层有两个输入，分别命名为“在”而且“投资回报”．

数据类型:细胞

此属性是只读的。

层的输出数量。这个图层只有一个输出。

数据类型:双

此属性是只读的。

输出层的名称。这个图层只有一个输出。

数据类型:细胞

例子

全部折叠

这个例子使用了:

打开实时脚本

创建ROI输入层。

roiInput = roiInputLayer(“名字”，“roi_input”）;

创建输出大小的ROI最大池化层[4 4]。

outputSize = [4 4];roiPool = roiMaxPooling2dLayer(outputSize，“名字”，“roi_pool”）;

将图层添加到LayerGraph。

lgraph = layerGraph;lgraph = addLayers(lgraph,roiInput);lgraph = addLayers(lgraph,roiPool);

指定ROI输入层的输出为“投资回报”ROI最大池化层的输入。

lgraph = connectLayers(“roi_input”，“roi_pool / roi”）;情节(lgraph)

图中包含一个轴对象。axis对象包含一个graphplot类型的对象。

版本历史

在R2018b中引入

另请参阅

|||(深度学习工具箱)|(深度学习工具箱)|(深度学习工具箱)|(深度学习工具箱)

主题