主要内容

ssdLayers

(删除)SSD multibox对象检测网络

自从R2020a

所有的页面崩溃

ssdLayers函数将在未来的版本中被删除。使用ssdObjectDetector函数创建一个SSD对象检测网络,而不是。

语法

lgraph = ssdLayers(图象尺寸、numClasses networkName)
lgraph = ssdLayers(图象尺寸、numClasses、网络、anchorBoxes predictorLayerNames)

描述

例子

lgraph= ssdLayers (图象尺寸,numClasses,networkName)创建一个单一的射探测器(SSD) multibox对象检测网络的基础上networkName、输入图像大小和类的数量应该配置网络分类。网络作为一个返回LayerGraph(深度学习工具箱)对象。

SSD是卷积神经网络预测对象探测器,边界框坐标,分类分数,和相应的类标签。

lgraph= ssdLayers (图象尺寸,numClasses,网络,anchorBoxes,predictorLayerNames)返回一个包含指定的自定义锚箱SSDanchorBoxes,在指定的地点连接到网络层predictorLayerNames。除了指定这些参数输入参数从以前的语法。

例子

全部折叠

这个示例使用:

打开生活的脚本

指定基地网络。

networkName =“vgg16”;

指定图像大小。

图象尺寸= (300 300 3);

指定类检测。

numClasses = 2;

创建SSD对象检测网络。

lgraph = ssdLayers(图象尺寸、numClasses networkName);

可视化网络使用网络分析仪。

analyzeNetwork (lgraph)

输入参数

全部折叠

输入图像的大小,指定这些值。

  • 双元素向量的形式HW灰度图像的大小H——- - - - - -W

  • 三元素向量的形式HW3]的RGB彩色图像的大小H——- - - - - -W

当你设置baseNetwork输入“vgg16”,“resnet50”,或“resnet101”,图象尺寸表单的输入必须(HW3)。

类网络进行分类,指定为一个积极的标量。

Pretrained卷积神经网络,作为一个指定LayerGraph(深度学习工具箱),DAGNetwork(深度学习工具箱),或SeriesNetwork(深度学习工具箱)对象。

pretrained卷积神经网络用作基地SSD multibox对象检测网络。在MATLAB pretrained网络细节®,请参阅Pretrained深层神经网络(深度学习工具箱)。

Pretrained卷积神经网络,指定为字符串或字符的向量“vgg16”,“resnet50”,或“resnet101”网络。指定一个名称,您必须下载并安装相应的有效的网络的网络支持包的名字。金宝app

pretrained卷积神经网络用作基地SSD multibox对象检测网络。在MATLAB pretrained网络的详细信息,请参见Pretrained深层神经网络(深度学习工具箱)。

锚箱、指定为1×-米细胞数组米SSD的预测数量层网络。每一层包含一个预测指标K2矩阵定义K锚箱的形式高度宽度]。锚箱的数量在每个元素可以是不同的。

每个锚箱的大小决定基于规模和长宽比不同的对象类出现在输入训练数据。每个锚箱的大小必须小于或等于输入图像的大小。您可以使用聚类方法估算锚箱从训练数据。有关更多信息,请参见从训练数据估计锚箱。

层输入的名字,作为一个指定米或1×元向量的字符串米单元阵列的特征向量。SSD检测子网连接到这个输入指定的预测层。

输出参数

全部折叠

SSD multibox对象检测网络,作为一个返回LayerGraph(深度学习工具箱)对象。

请注意

默认值为归一化图像的属性中输入层返回lgraph对象设置为归一化基础网络中指定的属性baseNetwork。

算法

的ssdLayers函数创建一个SSD网络并返回lgraph表示网络体系结构,对象为SSD对象探测器。

的trainSSDObjectDetector功能训练和返回一个SSD对象探测器,ssdObjectDetector。使用检测目标函数为ssdObjectDetector对象检测对象使用SSD的检测器训练网络架构。

bbox =检测(探测器,我)

的ssdLayers函数使用一个pretrained神经网络为基础网络,它添加了一个检测子网要求创建一个SSD对象检测网络。给定一个基地网络,ssdLayers成功删除所有的层功能层的基础网络并添加检测子网。检测子网由一组连续连接卷积,纠正线性单元(ReLU),和批量标准化层。SSD合并层,一盒回归层和一层焦损失分类添加到检测子网。

引用

[1]刘魏,Dragomir Anguelov, Dumitru Erhan,基督教Szegedy,斯科特•里德Cheng-Yang Fu,亚历山大·c·伯格。“SSD:单一MultiBox探测器拍摄的。”In计算机视觉——2016年大会,编辑Bastian Leibe Jiri马塔斯·马克斯威灵电机,9905:21-37。可汗:施普林格国际出版,2016年。https://doi.org/10.1007/978 - 3 - 319 - 46448 - 0 - _2。

[2],乔纳森,Vivek Rathod陈太阳,“朱、Anoop Korattikara的专家Alireza Fathi,伊恩•菲舍尔等。“速度/准确性权衡对现代卷积对象探测器”。In2017年IEEE计算机视觉与模式识别会议(CVPR),3296 - 97。火奴鲁鲁,你好:IEEE 2017。https / /doi.org/10.1109/CVPR.2017.351。

版本历史

介绍了R2020a

全部展开

另请参阅

对象

功能

主题