为语义分割创建SEGNET层
返回SEGNET图层,LGRAPH.
= segnetlayers(图片大小
那numclasses.
那模型
)LGRAPH.
,这是用倒雷定的层和重量预先统筹模型
。
Segnet是一种用于语义图像分割的卷积神经网络。网络使用一个PixelclassificationLayer.
预测输入图像中的每个像素的分类标签。
用segnetLayers
为SEGNET创建网络架构。您必须使用深度学习工具箱™功能培训网络Trainnetwork.
(深度学习工具箱)。
返回使用指定编码器深度配置的未初始化的SegNet层。LGRAPH.
= segnetlayers(图片大小
那numclasses.
那Encoderdep.
)
返回一个由一个或多个指定的附加选项返回SEGNET图层LGRAPH.
= segnetlayers(图片大小
那numclasses.
那Encoderdep.
那名称,价值
)名称,价值
对论点。
SEGNET编码器和解码器子网内的部分由卷积,批量归一化和Relu层组成。
所有卷积层配置成使得偏置项固定为零。
编码器和解码器子网中的卷积层权重使用“MSRA
'重量初始化方法。为了'vgg16'
或'vgg19'
模型,只使用MSRA初始化解码器子网。[1]
由网络生产的网络segnetLayers
金宝app一旦他们接受培训,支持GPU代码生成深入学习Trainnetwork.
(深度学习工具箱)。看到深入学习代码生成(深度学习工具箱)有关详细信息和示例。
[1]他,K.,X. Zhang,S. Ren和J. Sun.“深入研究整流器:超越了在想象集分类上的人力水平表现。”IEEE计算机愿景国际会议的诉讼程序。2015,1026-1034。
[2] Badrinarayanan,V.,A.Kendall和R. Cipolla。“SEGNET:图像分割的深度卷积编码器 - 解码器架构。”arxiv。预印亚克西夫:1511.0051,2015。
PixelclassificationLayer.
|Dagnetwork.
(深度学习工具箱)|分层图
(深度学习工具箱)