输入图像的大小，指定为以下值之一。

当你设置baseNetwork输入“vgg16”，“resnet50”,或“resnet101”,图象尺寸输入必须为[HW3)。

网络要分类的类数，指定为正标量。

预训练卷积神经网络，指定为aLayerGraph(深度学习工具箱)，DAGNetwork(深度学习工具箱),或SeriesNetwork(深度学习工具箱)对象。

将预训练的卷积神经网络作为SSD多盒目标检测网络的基础。有关MATLAB中预训练网络的详细信息^®,请参阅预训练深度神经网络(深度学习工具箱)。

预训练的卷积神经网络，指定为字符串或字符向量的“vgg16”，“resnet50”,或“resnet101”网络。要指定这些名称之一，必须下载并安装相应有效网络名称的网络支持包。金宝app

将预训练的卷积神经网络作为SSD多盒目标检测网络的基础。有关MATLAB中预训练网络的详细信息，请参见预训练深度神经网络(深度学习工具箱)。

锚框，指定为1 by-米单元阵列米SSD网络中的预测器层数。每个预测层包含一个K- × 2矩阵定义K格式为[高度宽度]。每个元素中的锚框数量可以有所不同。

每个锚框的大小是根据输入训练数据中存在的不同对象类别的比例和纵横比来确定的。每个锚框的大小必须小于或等于输入图像的大小。您可以使用聚类方法从训练数据中估计锚框。有关更多信息，请参见从训练数据估计锚盒。

输入中的层名，指定为米-元素向量的字符串或1-米字符向量的单元数组。SSD检测子网连接到该输入指定的预测器层。