focalLossLayer
描述
一层焦损失预测对象类使用焦损失。添加焦层损失培训对象检测、语义分割,或一个分类网络当前景和背景之间存在不平衡类。焦功能损失的补偿类不平衡,增加交叉熵函数的调制因子的敏感性增加网络更进一步的观察。
创建
描述
创建一个焦点丢失层深度学习网络。信息如何使用焦层对象检测网络中的损失,明白了创建SSD对象检测网络。层
= focalLossLayer
集焦损失的属性层通过使用一个或多个参数名称-值对。在报价附上每个属性的名字。层
= focalLossLayer (名称,值
)
例如,focalLossLayer('名称',' focalloss ')
创建一个焦层与损失的名字“focalloss”
和指定的平衡和集中参数。
属性
例子
更多关于
引用
[1],Tsung-Yi Priya Goyal,罗斯Girshick,开明,他和彼得亚雷美元。“焦损失茂密的对象检测。”In 2017IEEE®计算机视觉国际会议(ICCV),2999 - 3007。威尼斯:IEEE 2017。https://doi.org/10.1109/ICCV.2017.324。
扩展功能
版本历史
介绍了R2020a
另请参阅
trainNetwork
(深度学习工具箱)|trainSSDObjectDetector
|focalCrossEntropy
主题
- 开始使用对象检测使用深度学习
- 开始使用SSD Multibox检测
- 深度学习层的列表(深度学习工具箱)
- 深度学习在MATLAB(深度学习工具箱)
- 指定的卷积神经网络层(深度学习工具箱)