主要内容

像素分类层

为语义分割创建像素分类层

在第页中展开全部

描述

像素分类层为每个图像像素或体素提供分类标签。

创造

语法

图层=像素分类图层
层= pixelClassificationLayer(名称、值)

描述

实例

层=像素分类层为语义图像分割网络创建像素分类输出层。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。

实例

层= pixelClassificationLayer(名称,值)使用名称、值对参数返回像素分类输出层，以设置可选的班级,ClassWeights,名称通过使用名称-值对创建属性。可以指定多个名称-值对。用引号将每个属性名称括起来。

例如,pixelClassificationLayer('名称',' pixclass ')使用名称创建像素分类层“pixclass”.

性质

全部展开

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“自动”如果班级是“自动”，则软件会在训练时自动设置类。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的（str，str）.

数据类型：字符|分类|一串|细胞

类权重，指定为“没有”或者作为实标量的向量。vector中的元素对应于班级如果you specifyClassWeights，则必须指定班级.

当培训数据中存在代表性不足的班级时，使用班级权重来平衡班级。

此属性是只读的。

层的输出大小。价值是“自动”在训练之前，指定为训练时的数值。

此属性是只读的。

用于培训的损失函数，指定为“crossentropyex”.

图层名称，指定为字符向量或字符串标量。若要在图层图中包含图层，必须指定非空的唯一图层名称。如果您使用层和名称被设置为''，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|一串

层的输入数。这一层只接受单个输入。

数据类型：双重的

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

这个示例使用:

打开生活的脚本

预测输入图像中每个像素的分类标签。

layers = [imageInputLayer([32 32 3])]“大步走”，２，“填充”, 1) reluLayer transposedConv2dLayer(3、1“大步走”，２，“种植”，1）softmaxLayer像素分类层]
layers=6x1层阵列，带层：1''图像输入32x32x3图像，带“零中心”归一化2''卷积16 3x3卷积，带跨步[2]和填充[1 1 1 1]3''ReLU ReLU 4''转置卷积1 3x3转置卷积，带跨步[2]和裁剪[1 1 1 1]5''Softmax Softmax 6''像素分类层交叉熵损失

这个示例使用:

打开生活的脚本

当一些类在训练数据中表示不足时，使用逆类频率加权来平衡类。首先，使用pixelLabelImageDatastore计算训练数据上的类频率。然后，设置pixelClassificationLayer中的'ClassWeights'为计算的逆类频率。

设置图像和像素标签数据的位置。

dataDir = fullfile (toolboxdir (“愿景”),“视觉数据”)；imDir=fullfile（dataDir，“建筑”); pxDir=fullfile（dataDir，“构建像素标签”）;

使用中的地面真实图像创建像素标签图像数据存储imds和标记图像的像素pxds.

imds=图像数据存储（imDir）；类名=[“天空”“草”“建筑”“人行道”]；pixelLabelID=[1 2 3 4]；pxds=pixelLabelDatastore（pxDir，类名，pixelLabelID）；pximds=pixelLabelImageDatastore（imds，pxds）；

将数据集中的类分布制成表格。

台= countEachLabel (pximds)
tbl=4×3表名称PixelCount ImagePixelCount\uuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuu{'sky'}3.1485e+051.536e+06{'grass'}1.5979e+051.536e+061.536e+06}

计算逆频类权重。

totalNumberOfPixels =总和(tbl.PixelCount);频率=(资源。PixelCount / totalNumberOfPixels;inverseFrequency = 1. /频率
inverseFrequency =4×14.8632 9.5827 1.4848 60.49

将'ClassWeights'设置为逆类频率。

图层=像素分类图层(...“类”资源描述。的名字,“类权重”inverseFrequency)
layer=PixelClassificationLayer，属性：名称：''类：[sky grass building Weadway]类权重：[4x1 double]输出大小：'auto'超参数丢失函数：'crossentropyex'

扩展能力

另见

物体

功能

话题

在R2017b中引入

计算机视觉工具箱文档

金宝app

介绍基于MATLAB的深度学习

介绍基于MATLAB的深度学习

下载电子书