主要内容

roiMaxPooling2dLayer

用于矩形roi输出固定尺寸特征图的神经网络层

全部展开页面

描述

ROI最大池化层为输入特征图中的每个矩形ROI输出固定大小的特征图。使用这一层创建一个快速或更快的R-CNN对象检测网络。

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[高度宽度C总和（米),高度和宽度为输出大小。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”-将被裁剪的输入特征图

  • “投资回报”-可共享的roi列表

使用输入名称连接或断开最大ROI池层到其他层使用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™)。

创建

语法

层= roiMaxPooling2dLayer (outputSize)
层= roiMaxPooling2dLayer (outputSize,“名字”,名称)

描述

层= roiMaxPooling2dLayer (outputSize)为roi创建最大池化层，并设置OutputSize财产。

例子

层= roiMaxPooling2dLayer (outputSize,“名字”,名称)为roi创建最大池化层，并设置可选的名字财产。要创建包含ROI最大池层的网络，必须指定层名。

属性

全部展开

合并后的输出大小，指定为格式为正整数的两个元素向量［高度宽度］．

层名，指定为字符向量或字符串标量。为层数组输入,trainNetwork，assembleNetwork，layerGraph,dlnetwork函数自动为层分配名称的名字设置为＇＇．

数据类型:字符|字符串

层的输入数。这一层有两个输入。

数据类型:双

输入层名。这一层有两个输入，命名为“在”和“投资回报”．

数据类型:细胞

此属性是只读的。

层输出的数量。这一层只有一个输出。

数据类型:双

此属性是只读的。

输出层的名称。这一层只有一个输出。

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

创建一个ROI输入层。

roiInput = roiInputLayer (“名字”，“roi_input”）;

创建输出大小为[4 4]的ROI最大池化层。

outputSize = [4 4];roiPool = roiMaxPooling2dLayer (outputSize,“名字”，“roi_pool”）;

将图层添加到LayerGraph中。

lgraph = layerGraph;lgraph = addLayers (lgraph roiInput);lgraph = addLayers (lgraph roiPool);

指定ROI输入层的输出为“投资回报”输入的ROI最大池化层。

lgraph = connectLayers (lgraph,“roi_input”，“roi_pool / roi”）;情节(lgraph)

图中包含一个轴对象。axis对象包含一个graphplot类型的对象。

另请参阅

|||(深度学习工具箱)|(深度学习工具箱)|(深度学习工具箱)|(深度学习工具箱)

主题

介绍了R2018b

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