rcnnBoxRegressionLayer

快,快R-CNN盒回归层

自从R2018b

扩展所有的页面

描述

一盒回归层改进边界框的位置通过使用一个光滑的L1损失函数。使用这一层创建一个快速或更快R-CNN对象检测网络。

创建

语法

层= rcnnBoxRegressionLayer

层= rcnnBoxRegressionLayer(“名字”,名称)

描述

层= rcnnBoxRegressionLayer为快速创建一个盒子回归层或更快R-CNN对象检测网络。

例子

层= rcnnBoxRegressionLayer(“名字”,名称)创建一个盒子回归层和设置可选的的名字财产。

属性

全部展开

`的名字`- - - - - -层的名字
`”`(默认)|特征向量|字符串标量

图层名称,指定为一个特征向量或字符串标量。为层数组输入,trainNetwork(深度学习工具箱),assembleNetwork(深度学习工具箱),layerGraph(深度学习工具箱),dlnetwork(深度学习工具箱)函数自动分配名称层的名称”。

数据类型:字符|字符串

`NumInputs`- - - - - -输入数量
`1`(默认)

这个属性是只读的。

输入层的数量。这一层只接受一个输入。

数据类型:双

`InputNames`- - - - - -输入名字
`{"在"}`(默认)

这个属性是只读的。

输入层的名称。这一层只接受一个输入。

数据类型:细胞

例子

全部折叠

创建R-CNN框回归层

打开生活的脚本

创建一个R-CNN盒回归层的名字“rcnn_box_reg”。

rcnnBoxRegression = rcnnBoxRegressionLayer (“名字”,“rcnn_box_reg”);

扩展功能

C / c++代码生成
生成C和c++代码使用MATLAB®编码器™。

GPU的代码生成
生成NVIDIA的CUDA®代码®GPU使用GPU编码器™。

生成CUDA^®或c++代码通过使用GPU编码器™,你必须首先构建和训练神经网络。一旦网络训练和评估,您可以配置代码生成器来生成代码和部署使用NVIDIA的卷积神经网络平台上^®或手臂^®GPU处理器。有关更多信息,请参见深度学习GPU编码器(GPU编码器)。

对于这一层,您可以生成代码,利用NVIDIA CUDA深层神经网络库(cuDNN),英伟达TensorRT™高性能推理库,或手臂计算库马里GPU。

版本历史

介绍了R2018b

另请参阅

trainFasterRCNNObjectDetector|trainFastRCNNObjectDetector|regressionLayer(深度学习工具箱)

rcnnBoxRegressionLayer

描述

创建

语法

描述

属性

的名字- - - - - -层的名字”(默认)|特征向量|字符串标量

NumInputs- - - - - -输入数量1(默认)

InputNames- - - - - -输入名字{"在"}(默认)

例子