文档帮助中心文档
快,快R-CNN盒回归层
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。
层= rcnnBoxRegressionLayer
层= rcnnBoxRegressionLayer(“名字”,名称)
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。
的名字
全部展开
”
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”。
层
trainNetwork
assembleNetwork
layerGraph
dlnetwork
数据类型:字符|字符串
字符
字符串
NumInputs
1
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
双
InputNames
{'在'}
输入层的名称。这一层只接受一个输入。
数据类型:细胞
细胞
全部折叠
创建一个R-CNN盒回归层的名字“rcnn_box_reg”。
“rcnn_box_reg”
rcnnBoxRegression = rcnnBoxRegressionLayer (“名字”,“rcnn_box_reg”);
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。
计算库
trainFasterRCNNObjectDetector|trainFastRCNNObjectDetector|regressionLayer(深度学习工具箱)
trainFasterRCNNObjectDetector
trainFastRCNNObjectDetector
regressionLayer
如果dispone di una versione modificata di questo esempio。Desideri aprire questo esempio con le modifiche星期二吗?
海脂肪clic苏联合国collegamento切corrisponde questo第一MATLAB:
Esegui il第一inserendolo所以nella隙缝di第一MATLAB。我浏览器web非supportano金宝app comandi MATLAB。
选择一个网站翻译内容,看到当地事件和提供。根据你的位置,我们建议您选择:。
你也可以从下面的列表中选择一个网站:
选择中国网站(中文或英文)最佳站点的性能。其他MathWorks国家网站不优化的访问你的位置。
联系你当地的办公室