Fcnlayers.

为语义分割创建完全卷积的网络层

页面上倒塌

句法

Lgraph = fcnlayers（图像化，numcrasses）

LGRAPH = FCNLAYERS（图像化，NUMCLASS，'类型'，类型）

LGRAPH.= fcnlayers（图片尺寸那numclasses.）返回配置为FCN 8S的完全卷积网络（FCN），用于语义分割。使用来自VGG-16网络的层和权重预先突出FCN。

Fcnlayers.包括A.PixelclassificationLayer.预测输入图像中的每个像素的分类标签。像素分类层仅支持RGB图像。金宝app

此功能需要深度学习工具箱™VGG-16网络模型金宝app支持包。如果未安装此支持金宝app包，则vgg16.（深度学习工具箱）功能提供了一个下载链接。

LGRAPH.= fcnlayers（图片尺寸那numclasses.，'类型'，类型）返回配置为类型的FCN类型。

定义图像大小和类，然后创建网络。

图像= [480 640];numclasses = 5;Lgraph = fcnlayers（图像化，numcrasses）

显示网络。

图（LGROPL）

创建FCN 16s。

图像= [480 640];numclasses = 5;Lgraph = fcnlayers（图像化，numcrasses，'类型'那'16S'）

显示网络。

图（LGROPL）

网络输入图像大小，指定为格式的2元素向量[高度那宽度]。最小图像尺寸是[224 224]因为FCN基于VGG-16网络。

语义分段中的类数，指定为大于1的整数。

FCN模型类型，指定为以下之一：

FCN模型	描述
`'32s'`	将最终特征映射上的最终特征映射为32倍。此选项提供具有较低计算成本的粗略分段。
`'16S'`	从第四个池层融合特征映射后，将最终特征映射上的最终特征映射为16倍。来自早期层的此附加信息以额外计算成本提供中型分段。
`'8S'`	在融合特征映射到来自第三和第四最大池层的定义功能映射后，将最终特征映射上的最终特征映射。早期层的此附加信息以额外计算成本提供更精细的晶粒分割。