focalLossLayer
使用焦损函数创建焦损层
描述
焦点损失层使用焦点损失预测对象类别。增加焦点损失层,在前景类和背景类不平衡的情况下训练对象检测、语义分割或分类网络。为了补偿类别不平衡,焦点损失函数将交叉熵函数与一个调制因子相乘,该调制因子增加了网络对错误分类观测的敏感性。
创建
描述
为深度学习网络创建一个焦点损失层。有关如何在目标检测网络中使用焦点损失层的信息,请参见创建SSD对象检测网络.层
= focalLossLayer
通过使用一个或多个名称-值对参数设置焦点损耗层的属性。将每个属性名用引号括起来。层
= focalLossLayer (名称,值
)
例如,focalLossLayer('名称',' focalloss ')
用名称创建焦点损失层“focalloss”
以及指定的平衡和聚焦参数。
属性
例子
更多关于
参考文献
[1]林、宗毅、普里亚·戈雅、罗斯·格什克、何凯明和彼得·杜dollar。密集物体检测的焦损2017年IEEE®计算机视觉国际会议,2999 - 3007。威尼斯:IEEE, 2017。https://doi.org/10.1109/ICCV.2017.324。
扩展功能
版本历史
R2020a中引入
另请参阅
trainNetwork
(深度学习工具箱)|trainSSDObjectDetector
|focalCrossEntropy
主题
- 开始使用深度学习进行对象检测
- SSD多盒检测入门
- 深度学习层列表(深度学习工具箱)
- MATLAB深度学习(深度学习工具箱)
- 指定卷积神经网络的层数(深度学习工具箱)