文档帮助中心文档
区域提议网络分类层
区域建议网络(RPN)分类层将图像区域分为两种对象或背景通过交叉熵损失函数。使用这一层创建一个更快的R-CNN对象检测网络。
层= rpnClassificationLayer
层= rpnClassificationLayer(“名字”,名称)
层= rpnClassificationLayer为更快的R-CNN对象检测网络创建两类分类层。
例子
层= rpnClassificationLayer(“名字”,名称)创建一个两类分类层并设置可选的的名字财产。
的名字
全部展开
''
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''.
层
trainNetwork
assembleNetwork
layerGraph
dlnetwork
数据类型:字符|字符串
字符
字符串
NumInputs
1
此属性是只读的。
层的输入数。这一层只接受单个输入。
数据类型:双
双
InputNames
{'在'}
输入层名。这一层只接受单个输入。
数据类型:细胞
细胞
全部折叠
创建一个带有名称的RPN softmax层“rpn_softmax”.
“rpn_softmax”
rpnSoftmax = rpnSoftmaxLayer (“名字”,“rpn_softmax”)
rpnSoftmax = RPNSoftmaxLayer with properties: Name: 'rpn_softmax'
使用名称创建一个RPN分类层“rpn_cls”.
“rpn_cls”
rpnClassification = rpnClassificationLayer (“名字”,“rpn_cls”)
rnclassification = rnclassificationlayer with properties: Name: 'rpn_cls'
将RPN softmax和RPN分类层添加到层数组,以形成RPN的分类分支。
numAnchors = 3;rpnClassLayers =[卷积2dlayer (1,numAnchors*2,“名字”,“conv1x1_box_cls”) rpnSoftmax rpnClassification]
rpnClassLayers = 3x1 Layer array with layers: 1 'conv1x1_box_cls' Convolution 6 1x1卷积与stride[1 1]和padding [0 0 0] 2 'rpn_softmax' RPN Softmax RPN Softmax 3 'rpn_cls' RPN Classification Output cross-entropy loss with 'object' and 'background' classes
trainFasterRCNNObjectDetector|classificationLayer(深度学习工具箱)|rpnSoftmaxLayer
trainFasterRCNNObjectDetector
classificationLayer
rpnSoftmaxLayer
您有这个示例的修改版本。您想打开这个示例与您的编辑吗?
你点击一个链接对应于这个MATLAB命令:
通过在MATLAB命令窗口中输入命令来运行命令。Web浏览器不支持MATLAB命令。金宝app
选择一个网站,在那里获得翻译的内容,并看到当地的活动和优惠。根据您的位置,我们建议您选择:.
你也可以从以下列表中选择一个网站:
选择中国网站(中文或英文)以获得最佳网站性能。其他MathWorks国家站点没有针对您所在位置的访问进行优化。
与当地办事处联系