Mask-CNN的非量化ROI池层
ROI对齐层为输入特征图中的每个矩形ROI输出固定大小的特征图。使用此层创建Mask-RCNN网络。
给定输入特征图的大小[HWCN),C频道的数量是多少N为观测次数,输出特征图大小为[hwC总和
(米),h和w是指定的输出大小。米向量的长度是多少N和米(我)为与之相关联的roi数目我输入特征图。
这一层有两个输入:
“在”
—输入特征图
“投资回报”
-可共享的roi列表
在将ROI对齐层连接或断开时使用输入名称connectLayers
(深度学习工具箱)或disconnectLayers
(深度学习工具箱)(需要深度学习工具箱™)。
层= roiAlignLayer (outputSize)
创建具有池输出大小的ROI对齐层outputSize
.的outputSize
输入设置OutputSize财产。
层= roiAlignLayer (outputSize、名称、值)
使用一个或多个名称-值对参数设置ROI对齐层的属性。将每个属性名用引号括起来。
例如,roiAlignLayer(7[7],“名字”,“roiAlignLayer”)
创建一个ROI对齐层,池输出大小为7 × 7像素,并命名为“roialignlayer”。
roiMaxPooling2dLayer
|trainFasterRCNNObjectDetector
|trainFastRCNNObjectDetector