dicePixelClassificationLayer

使用广义骰子损失创建像素分类层进行语义分割

全部展开页面

描述

Dice像素分类层使用广义Dice损失为每个图像像素或体素提供分类标签。

该层使用广义骰子损失来缓解语义分割问题中的类不平衡问题。广义骰子损失控制每个类对损失的贡献，方法是用期望区域的反大小加权类。

创建

语法

层= dicePixelClassificationLayer

层= dicePixelClassificationLayer(名称、值)

描述

例子

层= dicePixelClassificationLayer为语义图像分割网络创建一个Dice像素分类输出层。该层为CNN处理过的每个图像像素或体素输出分类标签。在训练过程中，该层自动忽略未定义的像素标签。

层= dicePixelClassificationLayer(名称,值)返回一个骰子像素分类输出层使用名称，值对参数设置可选类和的名字属性。可以指定多个名称-值对。将每个属性名用引号括起来。

例如,dicePixelClassificationLayer('名称',' pixclass ')创建一个名为Dice像素分类层“pixclass”．

属性

全部展开

`类`- - - - - -输出层的类
`“汽车”`(默认)|分类向量|字符串数组|字符向量的单元格数组

输出层的类，指定为分类向量、字符串数组、字符向量单元格数组或“汽车”．如果类是“汽车”，然后软件在训练时自动设置课程。如果指定字符向量的字符串数组或单元格数组str，则软件将输出层的类设置为分类(str, str)．

数据类型:字符|分类|字符串|细胞

`OutputSize`- - - - - -输出的大小
`“汽车”`(默认)

此属性是只读的。

层的输出大小。这个值是“汽车”，并在训练时指定为数值。

`LossFunction`- - - - - -损失函数
`“generalizedDiceLoss”`(默认)

此属性是只读的。

用于训练的损失函数，指定为“generalizedDiceLoss”．

`的名字`- - - - - -层的名字
`＇＇`(默认)|特征向量|字符串标量

层名，指定为字符向量或字符串标量。若要在层图中包含层，必须指定非空的唯一层名。如果你用层和的名字被设置为＇＇，然后软件在训练时自动为该层分配一个名称。

数据类型:字符|字符串

`NumInputs`- - - - - -输入数量
1(默认)

层的输入数。这一层只接受单个输入。

数据类型:双

`InputNames`- - - - - -输入名字
`{'在'}`(默认)

输入层名。这一层只接受单个输入。

数据类型:细胞

例子

全部折叠

用骰子像素分类层创建二维语义分割网络

这个示例使用:

打开生活的脚本

使用广义骰子损失函数预测输入图像中每个像素的分类标签。

layers = [imageInputLayer([480 640 3])]“步”，2，“填充”1) reluLayer transposedConv2dLayer(2、4、“步”，2) softmaxLayer dicePixelClassificationLayer

图层数组:480 x640x3“图像输入图像与zerocenter正常化2”卷积16 3 x3的隆起与步幅[2 2]和填充[1 1 1 1]3”ReLU ReLU 4”转置卷积4 2 x2转置运算与跨步[2 2]和裁剪[0 0 0 0]5”Softmax Softmax 6”广义骰子骰子像素分类层损失

参考文献

威廉·R·克拉姆、奥斯卡·卡马拉和德里克·LG·希尔。医学图像分析中评估和验证的广义重叠度量IEEE医学影像汇刊．第2页，2006，第2 - 3页。

苏德雷，Carole H.，等。“广义骰子重叠是高度不平衡分割的深度学习损失函数。”医学图像分析中的深度学习和临床决策支持的多模态学习金宝app．施普林格，Cham, 2017, pp. 240-248。

[3] Milletari, Fausto, Nassir Navab和Seyed-Ahmad Ahmadi。V-Net:用于医学图像分割的完全卷积神经网络。第四届国际3D视觉会议(3DV)．斯坦福，加州，2016:565-571页。

扩展功能

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

生成CUDA^®或使用GPU Coder™c++代码，您必须首先构建和训练一个深度神经网络。一旦对网络进行了训练和评估，您就可以配置代码生成器来生成代码，并在使用NVIDIA的平台上部署卷积神经网络^®或手臂^®GPU处理器。有关更多信息，请参见基于GPU编码器的深度学习(GPU编码器)．

对于这一层，您可以生成利用NVIDIA CUDA深度神经网络库(cuDNN)、NVIDIA TensorRT™高性能推理库或ARM的代码计算库马里GPU。

另请参阅

主题

介绍了R2019b

dicePixelClassificationLayer

描述

创建

语法

描述

属性