主要内容

rpnClassificationLayer

区域提议网络的分类层

展开全部页面

描述

区域建议网络(RPN)分类层对图像区域进行分类对象或背景通过使用交叉熵损失函数。使用此层创建一个Faster R-CNN对象检测网络。

创建

语法

层= rpnClassificationLayer
层= rpnClassificationLayer('Name'，Name)

描述

层= rpnClassificationLayer为更快的R-CNN对象检测网络创建了两类分类层。

例子

层= rpnClassificationLayer('Name'，Name)创建一个两类分类层并设置可选的名字财产。

属性

全部展开

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

此属性是只读的。

该层的输入数量。该层只接受单个输入。

数据类型:双

此属性是只读的。

输入层的名称。该层只接受单个输入。

数据类型:细胞

例子

全部折叠

打开实时脚本

创建一个RPN softmax层的名称“rpn_softmax”．

rpnSoftmax = rpnSoftmaxLayer(“名字”，“rpn_softmax”）
rpnSoftmax = RPNSoftmaxLayer属性:

用名称创建一个RPN分类层“rpn_cls”．

rpnClassification = rpnClassificationLayer(“名字”，“rpn_cls”）
rpnClassification = RPNClassificationLayer与属性:名称:'rpn_cls'

在a中添加RPN softmax和RPN分类层层数组，以形成RPN的分类分支。

numAnchors = 3;rpnClassLayers = [convolution2dLayer(1,numAnchors*2，“名字”，“conv1x1_box_cls”rpnSoftmax rpnClassification]
rpnClassLayers = 3x1带有图层的层数组:1 'conv1x1_box_cls' 2- d Convolution 6 1x1 convolutions with stride [1 1] and padding [0 0 0 0 0] 2 'rpn_softmax' RPN Softmax RPN Softmax 3 'rpn_cls' RPN Classification Output cross-entropy loss with 'object' and 'background' classes

扩展功能

C/ c++代码生成
使用MATLAB®Coder™生成C和c++代码。

GPU代码生成
使用GPU Coder™为NVIDIA®GPU生成CUDA®代码。

版本历史

在R2018b中引入

另请参阅

|(深度学习工具箱)|

主题