segnetLayers
创建SegNet层语义分割
语法
描述
返回SegNet层,lgraph
= segnetLayers (图象尺寸
,numClasses
,模型
)lgraph
,从pretrained preinitialized层和权重模型
。
SegNet是语义的卷积神经网络图像分割。网络使用pixelClassificationLayer
预测分类标签输入图像中的每个像素。
使用segnetLayers
为SegNet创建网络体系结构。你必须训练网络使用深度学习工具箱™函数trainNetwork
(深度学习工具箱)。
返回未初始化SegNet层配置使用指定的深度编码器。lgraph
= segnetLayers (图象尺寸
,numClasses
,encoderDepth
)
返回一个SegNet层由一个或多个指定附加选项lgraph
= segnetLayers (图象尺寸
,numClasses
,encoderDepth
,名称,值
)名称,值
对参数。
例子
输入参数
输出参数
提示
SegNet编码器和解码器子网内的部分由卷积、批正常化,和ReLU层。
所有卷积层配置这种偏差项固定为零。
卷积在编码器和解码器子网层权重初始化使用'
同行
的体重初始化方法。为“vgg16”
或“vgg19”
初始化模型,只有解码器子网使用同行。[1]网络所产生的
segnetLayers
金宝app支持GPU代码生成深度学习一旦训练trainNetwork
(深度学习工具箱)。看到深度学习代码生成(深度学习工具箱)细节和例子。
引用
他[1],K。,X. Zhang, S. Ren, and J. Sun. "Delving Deep Into Rectifiers: Surpassing Human-Level Performance on ImageNet Classification."《IEEE计算机视觉国际会议。2015年,1026 - 1034。
[2]Badrinarayanan, V。,A. Kendall, and R. Cipolla. "Segnet: A Deep Convolutional Encoder-Decoder Architecture for Image Segmentation."arXiv。预印本arXiv: 1511.0051, 2015。
扩展功能
版本历史
另请参阅
对象
pixelClassificationLayer
|layerGraph
(深度学习工具箱)|DAGNetwork
(深度学习工具箱)
功能
fcnLayers
|segnetLayers
|unetLayers
|trainNetwork
(深度学习工具箱)|semanticseg
|deeplabv3plusLayers
|evaluateSemanticSegmentation
主题
- 开始使用语义分割使用深度学习
- 深度学习在MATLAB(深度学习工具箱)