主要内容

focalLossLayer

使用焦损失函数创建焦层损失

自从R2020a

扩展所有的页面

描述

一层焦损失预测对象类使用焦损失。添加焦层损失培训对象检测、语义分割,或一个分类网络当前景和背景之间存在不平衡类。焦功能损失的补偿类不平衡,增加交叉熵函数的调制因子的敏感性增加网络更进一步的观察。

创建

语法

层= focalLossLayer
层= focalLossLayer(名称、值)

描述

例子

层= focalLossLayer创建一个焦点丢失层深度学习网络。信息如何使用焦层对象检测网络中的损失,明白了创建SSD对象检测网络。

例子

层= focalLossLayer (名称,值)集焦损失的属性层通过使用一个或多个参数名称-值对。在报价附上每个属性的名字。

例如,focalLossLayer('名称',' focalloss ')创建一个焦层与损失的名字“focalloss”和指定的平衡和集中参数。

属性

全部展开

平衡焦损失函数的参数,指定为一个正实数。的α价值尺度损失函数线性和通常设置为0.25。如果你减少α,增加γ。

关注焦点损失函数的参数,指定为一个正实数。增加的价值γ增加网络更进一步的观察的敏感性。

网络是训练有素的检测对象类,指定为字符串向量,分类向量,单元阵列的特征向量,或“汽车”。当您设置类来“汽车”类是自动设置的培训时间。当你指定一个字符串向量或单元阵列的特征向量,然后的元素类根据输出的排序类别函数。

数据类型:字符串|分类|细胞|字符

图层名称,指定为一个特征向量或字符串标量。为层数组输入,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)函数自动分配名称层的名称”。

数据类型:字符|字符串

例子

全部折叠

打开生活的脚本

指定类名。

类= [“汽车”,“背景”];

指定平衡参数和聚焦焦点损失函数的参数。创建一个名为“focallosslayer”的焦层损失两类,显示结果。

层= focalLossLayer (“类”、类“名字”,“focallosslayer”)
层= FocalLossLayer属性:名称:‘FocalLossLayer Hyperparameters Gamma: 2α:0.2500类:[2 x1直言]LossFunction:“focalLoss”

这个示例使用:

打开生活的脚本

创建一个基于ResNet-18 DeepLab v3 +网络。

图象尺寸= (480 640 3);numClasses = 5;网络=“resnet18”;lgraph = deeplabv3plusLayers(图象尺寸,numClasses、网络“DownsamplingFactor”,16)
lgraph = LayerGraph属性:InputNames:{“数据”}OutputNames:{“分类”}层:x1 nnet.cnn.layer.Layer[100]连接:[113 x2表)

显示网络的输出层。的输出层DeepLab v3 +网络像素分类层使用叉损失预测每个像素的分类标签输入二维图像。

lgraph.Layers(结束)
ans = PixelClassificationLayer属性:名称:“分类”类:“汽车”ClassWeights:“没有一个”OutputSize:‘汽车’Hyperparameters LossFunction:“crossentropyex”

替换输出像素分类层与焦损失层在数据处理不平衡类。

层= focalLossLayer (“名称”,“focalloss”);lgraph = replaceLayer (lgraph,“分类”层);

显示网络。

analyzeNetwork (lgraph);

这个示例使用:

打开生活的脚本

创建一个3 d U-Net网络语义分割使用unet3dLayers函数。encoder-decoder深度设置为2和指定的输出通道数卷积第一层16。

图象尺寸= (128 128 128 3);numClasses = 5;numClasses lgraph = unet3dLayers(图象尺寸,“EncoderDepth”2,…“NumFirstEncoderFilters”16);图绘制(lgraph)

图包含一个坐标轴对象。坐标轴graphplot类型的对象包含一个对象。

创建一个焦层和替换Segmentation-Layer在网络与焦层损失。层预测分类标签每体元输入三维体积。

层= focalLossLayer (“名称”,“focalloss”);lgraph = replaceLayer (lgraph,“Segmentation-Layer”层)
lgraph = LayerGraph属性:InputNames: {“ImageInputLayer”} OutputNames: {“focalloss”}层:[40 x1 nnet.cnn.layer.Layer]连接:[41 x2表)

显示网络。

analyzeNetwork (lgraph);

更多关于

全部展开

引用

[1],Tsung-Yi Priya Goyal,罗斯Girshick,开明,他和彼得亚雷美元。“焦损失茂密的对象检测。”In 2017IEEE®计算机视觉国际会议(ICCV),2999 - 3007。威尼斯:IEEE 2017。https://doi.org/10.1109/ICCV.2017.324。

扩展功能

C / c++代码生成
生成C和c++代码使用MATLAB®编码器™。

版本历史

介绍了R2020a

另请参阅

(深度学习工具箱)||

主题