cycleGANGenerator
创建用于图像到图像转换的CycleGAN生成器网络
描述
例子
创建CycleGAN生成器
为大小为256 × 256的RGB图像指定网络输入大小。
inputSize = [256 256 3];
创建一个生成输入大小的RGB图像的CycleGAN生成器。
net = cycleGANGenerator(inputSize)
net = dlnetwork with properties: Layers: [72x1 nnet.cnn.layer.Layer] Connections: [80x2 table] Learnables: [94x3 table] State: [0x3 table] InputNames: {'inputLayer'} OutputNames: {'fActivation'} Initialized: 1查看summary with summary。
显示网络。
analyzeNetwork(净)
用六个剩余块创建CycleGAN生成器
为大小为128 × 128像素的RGB图像指定网络输入大小。
inputSize = [128 128 3];
用六个剩余块创建一个CycleGAN生成器。给所有层名添加前缀“cycleGAN6_”。
net = cycleGANGenerator(inputSize,“NumResidualBlocks”6...“NamePrefix”,“cycleGAN6_”)
net = dlnetwork with properties: Layers: [54x1 nnet.cnn.layer.Layer] Connections: [59x2 table] Learnables: [70x3 table] State: [0x3 table] InputNames: {'cycleGAN6_inputLayer'} OutputNames: {'cycleGAN6_fActivation'} Initialized: 1查看summary with summary。
显示网络。
analyzeNetwork(净)
输入参数
inputSize
- - - - - -网络输入大小
正整数的三元向量
网络输入大小,指定为3个元素的正整数向量。inputSize
有[HWC),H是高度,W是宽度,和C是通道数。
例子:[28 28 3]
为3通道图像指定28 × 28像素的输入大小。
名称-值参数
指定可选参数对为Name1 = Value1,…,以=家
,在那里的名字
参数名称和价值
对应的值。名称-值参数必须出现在其他参数之后,但对的顺序无关紧要。
在R2021a之前,使用逗号分隔每个名称和值,并将其括起来的名字
在报价。
例子:“NumFiltersInFirstBlock”,32
在第一卷积层中创建一个有32个滤波器的网络
NumDownsamplingBlocks
- - - - - -下采样块数
2
(默认)|正整数
网络编码器模块中的下采样块数,指定为正整数。总的来说,该网络将输入的采样降低了2^NumDownsamplingBlocks
.解码器模块由相同数量的上采样块组成。
NumFiltersInFirstBlock
- - - - - -第一卷积层的滤波器个数
64
(默认)|正偶数
第一卷积层中的过滤器数量,指定为正偶数。
NumOutputChannels
- - - - - -输出通道数
“汽车”
(默认)|正整数
输出通道数,指定为“汽车”
或者一个正整数。当你指定“汽车”
时,输出通道数与输入通道数相同。
FilterSizeInFirstAndLastBlocks
- - - - - -第一个和最后一个卷积层的滤波器大小
7
(默认)|正奇数|正奇数的2元向量
第一层和最后一层卷积层中的过滤器大小,指定为正奇数整数或正奇数的2元素向量,形式为[高度宽度].当您将筛选器大小指定为标量时,筛选器具有相同的高度和宽度。
FilterSizeInIntermediateBlocks
- - - - - -中间卷积层中的滤波器大小
3.
(默认)|正奇数的2元向量|正奇数
中间卷积层中的过滤器大小,指定为正奇数整数或正奇数的2元素向量,形式为[高度宽度].中间卷积层是不包括第一层和最后一层的卷积层。当您将筛选器大小指定为标量时,筛选器具有相同的高度和宽度。典型值在3到7之间。
NumResidualBlocks
- - - - - -剩余块数
9
(默认)|正整数
剩余块数,指定为正整数。通常,这个值设置为6
对于128 * 128大小的图像和9
对于256 * 256或更大尺寸的图像。
ConvolutionPaddingValue
- - - - - -填充样式
“symmetric-exclude-edge”
(默认)|“复制”
|“symmetric-include-edge”
|数字标量
网络中使用的填充样式,指定为这些值之一。
PaddingValue |
描述 | 例子 |
---|---|---|
数字标量 | 用指定的数值填充 |
|
“symmetric-include-edge” |
垫使用输入的镜像值,包括边缘值 |
|
“symmetric-exclude-edge” |
使用输入的镜像值填充,不包括边缘值 |
|
“复制” |
填充使用重复边框元素的输入 |
|
UpsampleMethod
- - - - - -用于向上采样激活的方法
“transposedConv”
(默认)|“bilinearResize”
|“pixelShuffle”
方法用于向上采样激活,指定为以下值之一:
“transposedConv”
-使用transposedConv2dLayer
(深度学习工具箱)大步[2 2]“bilinearResize”
-使用convolution2dLayer
(深度学习工具箱)一个[11]的步幅,后面跟着一个resize2dLayer
刻度为[2 2]“pixelShuffle”
-使用convolution2dLayer
(深度学习工具箱)一个[11]的步幅,后面跟着一个depthToSpace2dLayer
块大小为[2 2]
数据类型:字符
|字符串
ConvolutionWeightsInitializer
- - - - - -卷积层中使用的权重初始化
“narrow-normal”
(默认)|“glorot”
|“他”
|函数
卷积层中使用的权重初始化,指定为“glorot”
,“他”
,“narrow-normal”
,或函数句柄。有关更多信息,请参见指定自定义权重初始化函数(深度学习工具箱).
ActivationLayer
- - - - - -激活函数
“relu”
(默认)|“leakyRelu”
|“elu”
|层对象
要在网络中使用的激活函数,指定为这些值之一。有关更多信息和可用层列表,请参见激活层(深度学习工具箱).
“relu”
-使用reluLayer
(深度学习工具箱)“leakyRelu”
-使用leakyReluLayer
(深度学习工具箱)比例系数为0.2“elu”
-使用eluLayer
(深度学习工具箱)一个层对象
FinalActivationLayer
- - - - - -最终卷积后的激活函数
”“双曲正切
(默认)|“没有”
|“乙状结肠”
|“softmax”
|层对象
最后一层卷积后的激活函数,指定为这些值之一。有关更多信息和可用层列表,请参见输出层(深度学习工具箱).
”“双曲正切
-使用tanhLayer
(深度学习工具箱)“乙状结肠”
-使用sigmoidLayer
(深度学习工具箱)“softmax”
-使用softmaxLayer
(深度学习工具箱)“没有”
-不要使用最终激活层一个层对象
NormalizationLayer
- - - - - -归一化操作
“实例”
(默认)|“没有”
|“批”
|层对象
每次卷积后使用的归一化操作,指定为这些值之一。有关更多信息和可用层列表,请参见归一化层(深度学习工具箱).
“实例”
-使用instanceNormalizationLayer
(深度学习工具箱)“批”
-使用batchNormalizationLayer
(深度学习工具箱)“没有”
-不要使用标准化层一个层对象
辍学
- - - - - -退出概率
0
(默认)|在[0,1]范围内的数字
退出概率,指定为范围[0,1]中的数字。的值0
时,则网络不包含掉线层。如果指定的值大于0
,则该网络包含一个dropoutLayer
(深度学习工具箱)在每个剩余块中。
NamePrefix
- - - - - -所有层名的前缀
""
(默认)|字符串|特征向量
网络中所有层名称的前缀,指定为字符串或字符向量。
数据类型:字符
|字符串
更多关于
CycleGAN发电机网络
cycleGAN发生器网络由一个编码器模块和一个解码器模块组成。缺省网络采用Zhu等人提出的体系结构。[1].
编码器模块按2^的因子对输入进行采样NumDownsamplingBlocks
.编码器模块由初始层块组成,NumDownsamplingBlocks
下采样块,和NumResidualBlocks
残块。解码器模块对输入进行2^的上采样NumDownsamplingBlocks
.解码器模块由NumDownsamplingBlocks
上采样块和最后一个块。
该表描述了组成编码器和解码器模块的层块。
块类型 | 层 | 默认块示意图 |
---|---|---|
最初的块 |
|
|
将采样块 |
|
|
剩余块 |
|
|
Upsampling块 |
|
|
最后一块 |
|
|
参考文献
[1]朱俊彦,朴泰成,菲利普·伊索拉,阿列克谢·a·埃弗罗斯。“使用周期一致对抗网络的未配对图像到图像转换。”在2017 IEEE计算机视觉国际会议(ICCV), 2242 - 2251。威尼斯:IEEE, 2017。https://ieeexplore.ieee.org/document/8237506.
[2]朱俊彦,朴泰成,王通洲。“PyTorch中的CycleGAN和pix2pix。”https://github.com/junyanz/pytorch-CycleGAN-and-pix2pix.
版本历史
R2021a中引入
Matlabコマンド
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。
您也可以从以下列表中选择一个网站:
如何获得最佳的网站性能
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。