主要内容

roiMaxPooling2dLayer

神经网络层用于输出固定大小的矩形roi特征映射

全部展开页面

描述

ROI最大池化层为输入特征映射中的每个矩形ROI输出固定大小的特征映射。使用这一层创建一个快速或更快的R-CNN对象检测网络。

给定一个大小为[的输入特征映射HWCN),C频道数是多少N为观测个数，则输出的特征图大小为[高度宽度C总和（米),高度和宽度是输出大小。米是一个有长度的向量吗N和米（我)是与项目相关联的roi数目我-输入特征映射。

这一层有两个输入:

  • “在”-将被裁剪的输入特征图

  • “投资回报”-要汇集的投资回报率清单

在连接或断开ROI最大池化层与其他层的连接时使用输入名称connectLayers(深度学习工具箱)或disconnectLayers(深度学习工具箱)(需要深度学习工具箱™)。

创建

语法

layer = roiMaxPooling2dLayer(outputSize)
layer = roiMaxPooling2dLayer(outputSize，'Name'，Name)

描述

layer = roiMaxPooling2dLayer(outputSize)为roi创建一个最大池层，并设置OutputSize财产。

例子

layer = roiMaxPooling2dLayer(outputSize，'Name'，Name)为roi创建一个最大池层并设置可选项名字财产。要创建包含ROI最大池化层的网络，必须指定层名。

属性

全部展开

集合输出大小，指定为形式为的正整数的双元素向量［高度宽度］．

图层名称，指定为字符向量或字符串标量。为层数组输入trainNetwork，assembleNetwork，layerGraph,dlnetwork函数自动为层分配名称名字设置为”．

数据类型:字符|字符串

层的输入数。这一层有两个输入。

数据类型:双

输入图层的名称。这一层有两个输入，命名为“在”和“投资回报”．

数据类型:细胞

该属性是只读的。

层的输出数。这一层只有一个输出。

数据类型:双

该属性是只读的。

输出图层的名称。这一层只有一个输出。

数据类型:细胞

例子

全部折叠

这个例子使用:

打开实时脚本

创建ROI输入层。

roiInput = roiInputLayer(“名字”，“roi_input”）;

创建一个输出大小为[4 4]的ROI max池化层。

outputSize = [4 4];roiPool = roiMaxPooling2dLayer(输出大小，“名字”，“roi_pool”）;

将图层添加到LayerGraph中。

lgraph = layerGraph;lgraph = addLayers(lgraph,roiInput);lgraph = addLayers(lgraph,roiPool);

指定ROI输入层的输出为“投资回报”ROI最大池化层的输入。

lgraph = connectLayers(lgraph，“roi_input”，“roi_pool / roi”）;情节(lgraph)

图包含一个轴对象。axes对象包含一个graphplot类型的对象。

另请参阅

|||(深度学习工具箱)|(深度学习工具箱)|(深度学习工具箱)|(深度学习工具箱)

主题

在R2018b中引入

计算机视觉工具箱文档

金宝app

用MATLAB介绍深度学习

用MATLAB介绍深度学习

下载电子书