文档帮助中心文档
快速和快速R-CNN的盒回归层
盒回归层通过使用平滑L1损失函数来细化边界盒位置。使用此层创建一个Fast或Faster R-CNN对象检测网络。
layer = rcnnBoxRegressionLayer
rcnnBoxRegressionLayer('Name',Name)
layer = rcnnBoxRegressionLayer为Fast或Faster R-CNN对象检测网络创建一个盒回归层。
例子
rcnnBoxRegressionLayer('Name',Name)创建框回归层并设置可选的名字财产。
的名字
全部展开
”
层名,指定为字符向量或字符串标量。为层数组输入时,trainNetwork,assembleNetwork,layerGraph,dlnetwork函数自动为层分配名称的名字设置为”.
层
trainNetwork
assembleNetwork
layerGraph
dlnetwork
数据类型:字符|字符串
字符
字符串
NumInputs
1
此属性是只读的。
该层的输入数量。该层只接受单个输入。
数据类型:双
双
InputNames
{'在'}
输入层的名称。该层只接受单个输入。
数据类型:细胞
细胞
全部折叠
创建一个R-CNN盒子回归层“rcnn_box_reg”.
“rcnn_box_reg”
rcnnBoxRegression = rcnnBoxRegressionLayer(“名字”,“rcnn_box_reg”);
生成CUDA®或c++代码使用GPU Coder™,您必须首先构建和训练一个深度神经网络。一旦网络被训练和评估,您就可以配置代码生成器来生成代码,并在使用NVIDIA的平台上部署卷积神经网络®或手臂®GPU处理器。有关更多信息,请参见GPU编码器的深度学习(GPU编码器).
对于这一层,您可以生成利用NVIDIA CUDA深度神经网络库(cuDNN)、NVIDIA TensorRT™高性能推断库或ARM的代码计算库马里GPU。
计算库
trainFasterRCNNObjectDetector|trainFastRCNNObjectDetector|regressionLayer(深度学习工具箱)
trainFasterRCNNObjectDetector
trainFastRCNNObjectDetector
regressionLayer
この例の変更されたバ,ジョンがあります.編集された方の例を開きますか?
次のmatlabコマンドに対応するリンクがクリックされました。
コマンドをmatlabコマンドウィンドウに入力して実行してください。Webブラウザ,はMATLABコマンドをサポ,トしていません。
选择一个网站,在可用的地方获得翻译的内容,并查看当地的活动和优惠。根据您所在的位置,我们建议您选择:.
您也可以从以下列表中选择一个网站:
选择中国站点(中文或英文)以获得最佳站点性能。其他MathWorks国家站点没有针对您所在位置的访问进行优化。
联系当地办事处