rcnnBoxRegressionLayer

快速和快速R-CNN的盒回归层

展开全部页面

描述

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。

rcnnBoxRegressionLayer('Name'，Name)创建框回归层并设置可选的名字财产。

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”．

数据类型:字符|字符串

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

此属性是只读的。

输入层的名称。该层只接受单个输入。

数据类型:细胞

打开实时脚本

创建一个R-CNN盒子回归层“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。

在R2018b中引入