yolov2TransformLayer

创建转换层YOLO v2意思对象检测网络

描述

的yolov2TransformLayer函数创建一个YOLOv2TransformLayer对象,该对象代表你只看一次转换层版本2 (YOLO v2意思)对象检测网络。转换层YOLO v2意思对象检测网络,从而提高网络的稳定性约束位置的预测。最后的卷积变换层提取激活层和转换边界框的预测下降的范围内地面真理。

创建

语法

层= yolov2TransformLayer (numAnchorBoxes)

层= yolov2TransformLayer (numAnchorBoxes、名称、值)

描述

例子

层= yolov2TransformLayer (numAnchorBoxes)创建转换层YOLO v2意思对象检测网络。

例子

层= yolov2TransformLayer (numAnchorBoxes,名称,值)设置的名字使用一个名称-值对财产。附上单引号的属性名。例如,yolov2TransformLayer('名称',' yolo_Transform ')创建一个转换层的名称“yolo_Transform”。

输入参数

全部展开

`numAnchorBoxes`- - - - - -锚箱数量
正整数

数量的锚箱用于培训,指定为一个正整数。这个输入设置NumAnchorBoxes房地产的转换层。

数据类型:单|双|int8|int16|int32|int64|uint8|uint16|uint32|uint64

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,assembleNetwork,layerGraph,dlnetwork函数自动分配层的名称的名字设置为”。

数据类型:字符|字符串

`NumAnchorBoxes`- - - - - -锚箱数量
正整数

这个属性是只读的。

数量的锚箱用于培训,指定为一个正整数。这个属性设定的输入numAnchorBoxes。

`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

`NumOutputs`- - - - - -数量的输出
`1`(默认)

这个属性是只读的。

输出层的数量。这一层只有一个输出。

数据类型:双

`OutputNames`- - - - - -输出的名字
`{“出”}`(默认)

这个属性是只读的。

输出层的名称。这一层只有一个输出。

数据类型:细胞

例子

全部折叠

创建YOLO v2意思转换层

这个示例使用:

打开生活的脚本

指定锚箱的数量。

numAnchorBoxes = 5;

创建一个YOLO v2意思转换层的名称“yolo_Transform”。

层= yolov2TransformLayer (numAnchorBoxes,“名字”,“yolo_Transform”);

检查YOLO v2意思转换层的属性。

层

层= YOLOv2TransformLayer属性:名称:‘yolo_Transform Hyperparameters NumAnchorBoxes: 5

引用

[1]约瑟。R, s . k . Divvala r.b Girshick, f·阿里。“你只看一次:统一、实时检测。”In《IEEE计算机视觉与模式识别会议(CVPR),779 - 788页。内华达州拉斯维加斯:CVPR, 2016。

[2]约瑟。R和f·阿里。“YOLO 9000:意思更好、更快、更强”。In《IEEE计算机视觉与模式识别会议(CVPR),6517 - 6525页。你好:火奴鲁鲁CVPR, 2017年。

扩展功能

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。

GPU数组
加速代码运行在一个图形处理单元(GPU)使用并行计算工具箱™。

这个函数完全支持GPU数组。金宝app有关更多信息,请参见运行在GPU MATLAB函数(并行计算工具箱)。

另请参阅

yolov2Layers|yolov2OutputLayer|spaceToDepthLayer|yolov2ObjectDetector|trainYOLOv2ObjectDetector

主题

介绍了R2019a

yolov2TransformLayer

描述

创建

语法

描述

输入参数

`numAnchorBoxes`- - - - - -锚箱数量
正整数

属性

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

`NumAnchorBoxes`- - - - - -锚箱数量
正整数

`NumInputs`- - - - - -输入数量
`1`(默认)

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

`NumOutputs`- - - - - -数量的输出
`1`(默认)

`OutputNames`- - - - - -输出的名字
`{“出”}`(默认)

例子

创建YOLO v2意思转换层

引用

扩展功能

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

GPU数组
加速代码运行在一个图形处理单元(GPU)使用并行计算工具箱™。

另请参阅

主题

计算机视觉工具箱文档

金宝app

用MATLAB引入深度学习

yolov2TransformLayer

描述

创建

语法

描述

输入参数

numAnchorBoxes- - - - - -锚箱数量正整数

属性

的名字- - - - - -层的名字”(默认)|特征向量|字符串标量

NumAnchorBoxes- - - - - -锚箱数量正整数

NumInputs- - - - - -输入数量1(默认)

InputNames- - - - - -输入名字{'在'}(默认)

NumOutputs- - - - - -数量的输出1(默认)

OutputNames- - - - - -输出的名字{“出”}(默认)

例子

创建YOLO v2意思转换层

引用

扩展功能

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

GPU数组加速代码运行在一个图形处理单元(GPU)使用并行计算工具箱™。

另请参阅

主题

计算机视觉工具箱文档

金宝app

用MATLAB引入深度学习

`numAnchorBoxes`- - - - - -锚箱数量
正整数

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

`NumAnchorBoxes`- - - - - -锚箱数量
正整数

`NumInputs`- - - - - -输入数量
`1`(默认)

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

`NumOutputs`- - - - - -数量的输出
`1`(默认)

`OutputNames`- - - - - -输出的名字
`{“出”}`(默认)

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

GPU数组
加速代码运行在一个图形处理单元(GPU)使用并行计算工具箱™。