(不推荐)为YOLO V2对象检测网络创建重组层
YOLOv2ReorgLayer
不建议使用功能。使用spaceToDepthLayer
代替。
的yolov2reorglayer.
函数创建一个YOLOv2ReorgLayer
对象,它代表了重组层为您只看一次的版本2 (YOLO v2)对象检测网络。重组层通过将相邻的特征叠加成不同的通道来重组下层的高分辨率特征图。重组层的输出被提供给深度级联层。深度级联层将重组后的高分辨率特征与较高层的低分辨率特征进行级联。
为YOLO v2对象检测网络创建重组层。该层根据中指定的步长重新组织输入特征映射的尺寸层
= yolov2reorglayer(步
)步
。有关使用重组层创建YOLO V2网络的详细信息,请参阅设计一个带有Reorg层的YOLO v2检测网络。
设置层
= yolov2reorglayer(步
“名称”,layername.
)的名字
属性使用名称值对。将属性名称用单引号括起来。例如,yolov2ReorgLayer('名称',' yolo_Reorg ')
创建重组层与名称'yolo_reorg'。
您可以找到所需的值步
使用:
重组层通过促进不同层的特征连接提高了YOLO v2对象检测网络的性能。它重新组织了较低层特征映射的维数,以便与较高层特征映射连接。
考虑一个大小为[HWC], 在哪里:
H是feature map的高度。
W是特征图的宽度。
C是频道的数量。
重组层根据步骤大小从位置中选择特征映射值步
并将这些特征值添加到第三维度C。来自重组层的重组特征映射的大小是
(地板地板(H /步(1))(W /步(2))C(1)××一步一步(2))
。
对于功能串联,重组特征映射的高度和宽度必须与高层特征图的高度和宽度匹配。
[1]约瑟。迪夫瓦拉,格希克和阿里。“你只看一次:统一的实时目标检测。”在计算机愿景和模式识别的IEEE会议的诉讼程序(CVPR),pp.779-788。拉斯维加斯,NV:CVPR,2016年。
[2]约瑟。R和f阿里。YOLO 9000:更好、更快、更强。在计算机愿景和模式识别的IEEE会议的诉讼程序(CVPR),pp。6517-6525。檀香山,嗨:CVPR,2017年。
Trainyolov2ObjectDetector.
|yolov2Layers
|yolov2ObjectDetector
|yolov2OutputLayer
|yolov2TransformLayer