addPix2PixHDLocalEnhancer

添加本地增强网络pix2pixHD发电机网络

自从R2021a

所有的页面崩溃

语法

netWithEnhancer = addPix2PixHDLocalEnhancer(净)

netWithEnhancer = addPix2PixHDLocalEnhancer(净、名称、值)

描述

例子

netWithEnhancer= addPix2PixHDLocalEnhancer (净)添加一个本地增强网络pix2pixHD生成器网络,净。关于网络体系结构的更多信息,请参阅pix2pixHD本地增强器网络。

这个函数需要深度学习工具箱™。

netWithEnhancer= addPix2PixHDLocalEnhancer (净,名称,值)当地的控制方面增强器创建网络使用名称-值参数。

例子

全部折叠

添加本地增强器Pix2pixHD发生器网络

这个示例使用:

打开生活的脚本

指定大小的网络输入大小为32路数据512 - 1024。

inputSize = (512 1024 32);

创建一个pix2pixHD全球发电机网络。

pix2pixHD = pix2pixHDGlobalGenerator (inputSize)

pix2pixHD = dlnetwork属性:层:x1 nnet.cnn.layer.Layer[84]连接:[92 x2表]可学的:[110 x3表]状态:[0 x3表]InputNames: {“GlobalGenerator_inputLayer”} OutputNames: {“GlobalGenerator_fActivation”}初始化:1观点总结总结。

添加一个本地增强网络pix2pixHD网络。

pix2pixHDEnhanced = addPix2PixHDLocalEnhancer (pix2pixHD)

pix2pixHDEnhanced = dlnetwork属性:层:x1 nnet.cnn.layer.Layer[113]连接:[124 x2表]可学的:[146 x3表]状态:[0 x3表]InputNames: {“LocalEnhancer_inputLayer”“GlobalGenerator_inputLayer”} OutputNames: {“LocalEnhancer_fActivation”}初始化:1观点总结总结。

显示网络与当地的增强剂。

analyzeNetwork (pix2pixHDEnhanced)

输入参数

全部折叠

`净`- - - - - -pix2pixHD发电机网络
`dlnetwork`对象

Pix2pixHD发电机网络,指定为一个dlnetwork(深度学习工具箱)对象。您可以创建一个pix2pixHD发电机网络使用pix2pixHDGlobalGenerator函数。

名称-值参数

指定可选的双参数作为Name1 = Value1,…,以=家,在那里的名字参数名称和吗价值相应的价值。名称-值参数必须出现在其他参数,但对的顺序无关紧要。

R2021a之前,用逗号来分隔每一个名称和值,并附上的名字在报价。

例子:“FilterSizeInFirstAndLastBlocks”, [5 7]添加一个地方增强器的第一个和最后一个卷积层5-by-7大小

`FilterSizeInFirstAndLastBlocks`- - - - - -在第一个和最后一个卷积滤波器尺寸层
`7`(默认)|积极的奇数|积极的奇数2-element向量

过滤器尺寸在当地的第一个和最后一个卷积层增强器网络,指定为一个积极的奇数的正奇数或者2-element向量的形式高度宽度]。当你指定过滤器的大小作为一个标量,过滤器有同样的高度和宽度。

`FilterSizeInIntermediateBlocks`- - - - - -卷积滤波器尺寸在中间层次
`3`(默认)|积极的奇数2-element向量|积极的奇数

过滤器尺寸在中间卷积在当地增强层网络中,指定为一个积极的奇数的正奇数或者2-element向量的形式高度宽度]。中间卷积层卷积层包括第一个和最后一个卷积层。当你指定过滤器的大小作为一个标量,过滤器有相同的高度和宽度。典型值是3至7。

`NumResidualBlocks`- - - - - -数量的剩余块
`3`(默认)|正整数

本地增强网络的剩余块数量,指定为一个正整数。每个残块由一组卷积,正常化和非线性层跳过每一块之间的联系。

`ConvolutionPaddingValue`- - - - - -风格的填充
`“symmetric-exclude-edge”`(默认)|`“symmetric-include-edge”`|`“复制”`|数字标量

风格在当地使用的填充增强器网络,指定为其中一个值。

`PaddingValue`	描述	例子
数字标量	垫与指定的数值	$(\begin{matrix} 3 & 1 & 4 \\ 1 & 5 & 9 \\ 2 & 6 & 5 \end{matrix}] \to (\begin{matrix} 2 & 2 & 2 & 2 & 2 & 2 & 2 \\ 2 & 2 & 2 & 2 & 2 & 2 & 2 \\ 2 & 2 & 3 & 1 & 4 & 2 & 2 \\ 2 & 2 & 1 & 5 & 9 & 2 & 2 \\ 2 & 2 & 2 & 6 & 5 & 2 & 2 \\ 2 & 2 & 2 & 2 & 2 & 2 & 2 \\ 2 & 2 & 2 & 2 & 2 & 2 & 2 \end{matrix}]$
`“symmetric-include-edge”`	垫使用镜像的输入值,包括边缘值	$(\begin{matrix} 3 & 1 & 4 \\ 1 & 5 & 9 \\ 2 & 6 & 5 \end{matrix}] \to (\begin{matrix} 5 & 1 & 1 & 5 & 9 & 9 & 5 \\ 1 & 3 & 3 & 1 & 4 & 4 & 1 \\ 1 & 3 & 3 & 1 & 4 & 4 & 1 \\ 5 & 1 & 1 & 5 & 9 & 9 & 5 \\ 6 & 2 & 2 & 6 & 5 & 5 & 6 \\ 6 & 2 & 2 & 6 & 5 & 5 & 6 \\ 5 & 1 & 1 & 5 & 9 & 9 & 5 \end{matrix}]$
`“symmetric-exclude-edge”`	垫使用镜像的输入值,排除边缘值	$(\begin{matrix} 3 & 1 & 4 \\ 1 & 5 & 9 \\ 2 & 6 & 5 \end{matrix}] \to (\begin{matrix} 5 & 6 & 2 & 6 & 5 & 6 & 2 \\ 9 & 5 & 1 & 5 & 9 & 5 & 1 \\ 4 & 1 & 3 & 1 & 4 & 1 & 3 \\ 9 & 5 & 1 & 5 & 9 & 5 & 1 \\ 5 & 6 & 2 & 6 & 5 & 6 & 2 \\ 9 & 5 & 1 & 5 & 9 & 5 & 1 \\ 4 & 1 & 3 & 1 & 4 & 1 & 3 \end{matrix}]$
`“复制”`	垫使用重复的边界元素的输入	$(\begin{matrix} 3 & 1 & 4 \\ 1 & 5 & 9 \\ 2 & 6 & 5 \end{matrix}] \to (\begin{matrix} 3 & 3 & 3 & 1 & 4 & 4 & 4 \\ 3 & 3 & 3 & 1 & 4 & 4 & 4 \\ 3 & 3 & 3 & 1 & 4 & 4 & 4 \\ 1 & 1 & 1 & 5 & 9 & 9 & 9 \\ 2 & 2 & 2 & 6 & 5 & 5 & 5 \\ 2 & 2 & 2 & 6 & 5 & 5 & 5 \\ 2 & 2 & 2 & 6 & 5 & 5 & 5 \end{matrix}]$

`UpsampleMethod`- - - - - -方法用于upsample激活
`“transposedConv”`(默认)|`“bilinearResize”`|`“pixelShuffle”`

方法用于upsample激活本地增强器网络,指定这些值之一:

“transposedConv”——使用一个transposedConv2dLayer(深度学习工具箱)的步伐(2 - 2)
“bilinearResize”——使用一个convolution2dLayer(深度学习工具箱)的步伐[1]了resize2dLayer的规模(2 - 2)
“pixelShuffle”——使用一个convolution2dLayer(深度学习工具箱)的步伐[1]了depthToSpace2dLayer的块大小(2 - 2)

数据类型:字符|字符串

`ConvolutionWeightsInitializer`- - - - - -重初始化用于卷积层
`“narrow-normal”`(默认)|`“glorot”`|`“他”`|函数

重初始化用于本地增强网络的卷积层、指定为“glorot”,“他”,“narrow-normal”,或一个函数处理。有关更多信息,请参见指定自定义权重的初始化函数(深度学习工具箱)。

`ActivationLayer`- - - - - -激活函数
`“relu”`(默认)|`“leakyRelu”`|`“elu”`|层对象

本地增强网络激活函数使用,指定为其中一个值。和可用的层列表的更多信息,见激活层(深度学习工具箱)。

“relu”——使用一个reluLayer(深度学习工具箱)
“leakyRelu”——使用一个leakyReluLayer(深度学习工具箱)比例因子为0.2
“elu”——使用一个eluLayer(深度学习工具箱)
一层对象

`NormalizationLayer`- - - - - -归一化操作
`“实例”`(默认)|`“没有”`|`“批”`|层对象

规范化操作使用本地增强网络中的每个卷积后,指定为其中一个值。和可用的层列表的更多信息,见归一化层(深度学习工具箱)。

“实例”——使用一个instanceNormalizationLayer(深度学习工具箱)
“批”——使用一个batchNormalizationLayer(深度学习工具箱)
“没有”——不使用归一化层
一层对象

`辍学`- - - - - -辍学的可能性
`0`(默认)|数量在[0,1]

辍学的可能性在当地增强器网络,指定为一个数字在区间[0,1]。如果你指定一个值0不包括辍学,那么网络层。如果你指定一个值大于0,那么网络包括一个dropoutLayer(深度学习工具箱)在每个残块。

`NamePrefix`- - - - - -所有层名称前缀
`“LocalEnhancer_”`(默认)|字符串|特征向量

所有层的名称的前缀设定在当地增强器网络,指定为字符串或字符向量。

数据类型:字符|字符串

输出参数

全部折叠

`netWithEnhancer`——pix2pixHD发电机网络与本地增强剂
`dlnetwork`对象

Pix2pixHD发电机网络与本地增强剂,作为一个返回dlnetwork(深度学习工具箱)对象。

更多关于

全部折叠

pix2pixHD本地增强器网络

的addPix2PixHDLocalEnhancer函数执行这些操作添加一个本地增强网络pix2pixHD全球发电机网络。默认增强网络遵循王等人提出的体系结构。引用。

本地增强网络有一个初始的层块接受的图像大小(2 *H2 *WC),H的高度,W是宽度,C是渠道的数量全球发生器的输入网络,净。当净有多个图像输入层,输入图像大小本地增强器网络是输入的两倍大小的最大分辨率。
最初的块后,本地增强网络只有一个将采样块downsamples数据的两倍。因此,将采样后输出的大小(HW2 *C]。
的addPix2PixHDLocalEnhancer函数从全球发电机网络去掉最后一块。函数然后添加最后的输出upsampling阻止全球发电机网络的输出downsampled增强器的数据网络使用additionLayer(深度学习工具箱)。
的输出添加然后穿过NumResidualBlocks从本地增强剂残块。
剩余块是紧随其后的是一个upsampling upsamples数据块大小(2 *H2 *WC]。
的addPix2PixHDLocalEnhancer函数将最后一块添加到增强网络。卷积层的参数所指定的属性addPix2PixHDLocalEnhancer。如果全球发电机网络最终激活层,那么函数将相同类型的激活层添加到增强网络。

层组成的表描述了块地方增强器网络。

块类型	层	默认的图块
最初的块	一个`imageInputLayer`(深度学习工具箱)接受的两倍大小的图像作为全球发电机pix2pixHD网络,`净`。一个`convolution2dLayer`(深度学习工具箱)的步伐[1]和一个过滤器的大小`FilterSizeInFirstAndLastBlocks` 一个可选的归一化层,指定的`NormalizationLayer`名称-值参数。一个激活指定的层`ActivationLayer`名称-值参数。
将采样块	一个`convolution2dLayer`(深度学习工具箱)步的执行将采样2 [2]。卷积层有一个过滤器的大小`FilterSizeInIntermediateBlocks`。一个可选的归一化层,指定的`NormalizationLayer`名称-值参数。一个激活指定的层`ActivationLayer`名称-值参数。
剩余块	一个`convolution2dLayer`(深度学习工具箱)的步伐[1]和一个过滤器的大小`FilterSizeInIntermediateBlocks`。一个可选的归一化层,指定的`NormalizationLayer`名称-值参数。一个激活指定的层`ActivationLayer`名称-值参数。一个可选的`dropoutLayer`(深度学习工具箱)。默认情况下,省略一个辍学层残块。包括一个辍学层通过指定`辍学`名称参数值的范围(0,1)。第二个`convolution2dLayer`(深度学习工具箱)。一个可选的第二个归一化层。一个`additionLayer`(深度学习工具箱),它提供了一个跳过每一块之间的联系。
Upsampling块	一个upsamples upsampling层根据的2倍`UpsampleMethod`名称-值参数。卷积层有一个过滤器的大小`FilterSizeInIntermediateBlocks`。一个可选的归一化层,指定的`NormalizationLayer`名称-值参数。一个激活指定的层`ActivationLayer`名称-值参数。
最后一块	一个`convolution2dLayer`(深度学习工具箱)的步伐[1]和一个过滤器的大小`FilterSizeInFirstAndLastBlocks`。一个可选的活化层根据全球发电机网络,`净`。

引用

[1]王、Ting-Chun Ming-Yu Liu Jun-Yan朱、安德鲁•道Jan Kautz和布莱恩Catanzaro。“高分辨率图像合成和语义操作条件甘斯。”In2018年IEEE / CVF计算机视觉与模式识别会议,8798 - 8807。美国犹他盐湖城:IEEE 2018。https://doi.org/10.1109/CVPR.2018.00917。

版本历史

介绍了R2021a

另请参阅

pix2pixHDGlobalGenerator

addPix2PixHDLocalEnhancer

语法

描述

例子

添加本地增强器Pix2pixHD发生器网络

输入参数

净- - - - - -pix2pixHD发电机网络dlnetwork对象

名称-值参数

FilterSizeInFirstAndLastBlocks- - - - - -在第一个和最后一个卷积滤波器尺寸层7(默认)|积极的奇数|积极的奇数2-element向量

FilterSizeInIntermediateBlocks- - - - - -卷积滤波器尺寸在中间层次3(默认)|积极的奇数2-element向量|积极的奇数

NumResidualBlocks- - - - - -数量的剩余块3(默认)|正整数

ConvolutionPaddingValue- - - - - -风格的填充“symmetric-exclude-edge”(默认)|“symmetric-include-edge”|“复制”|数字标量

UpsampleMethod- - - - - -方法用于upsample激活“transposedConv”(默认)|“bilinearResize”|“pixelShuffle”

ConvolutionWeightsInitializer- - - - - -重初始化用于卷积层“narrow-normal”(默认)|“glorot”|“他”|函数

ActivationLayer- - - - - -激活函数“relu”(默认)|“leakyRelu”|“elu”|层对象

NormalizationLayer- - - - - -归一化操作“实例”(默认)|“没有”|“批”|层对象

辍学- - - - - -辍学的可能性0(默认)|数量在[0,1]

NamePrefix- - - - - -所有层名称前缀“LocalEnhancer_”(默认)|字符串|特征向量

输出参数

netWithEnhancer——pix2pixHD发电机网络与本地增强剂dlnetwork对象

更多关于

pix2pixHD本地增强器网络

引用

版本历史

另请参阅

主题

`净`- - - - - -pix2pixHD发电机网络
`dlnetwork`对象

`FilterSizeInFirstAndLastBlocks`- - - - - -在第一个和最后一个卷积滤波器尺寸层
`7`(默认)|积极的奇数|积极的奇数2-element向量

`FilterSizeInIntermediateBlocks`- - - - - -卷积滤波器尺寸在中间层次
`3`(默认)|积极的奇数2-element向量|积极的奇数

`NumResidualBlocks`- - - - - -数量的剩余块
`3`(默认)|正整数

`ConvolutionPaddingValue`- - - - - -风格的填充
`“symmetric-exclude-edge”`(默认)|`“symmetric-include-edge”`|`“复制”`|数字标量

`UpsampleMethod`- - - - - -方法用于upsample激活
`“transposedConv”`(默认)|`“bilinearResize”`|`“pixelShuffle”`

`ConvolutionWeightsInitializer`- - - - - -重初始化用于卷积层
`“narrow-normal”`(默认)|`“glorot”`|`“他”`|函数

`ActivationLayer`- - - - - -激活函数
`“relu”`(默认)|`“leakyRelu”`|`“elu”`|层对象

`NormalizationLayer`- - - - - -归一化操作
`“实例”`(默认)|`“没有”`|`“批”`|层对象

`辍学`- - - - - -辍学的可能性
`0`(默认)|数量在[0,1]

`NamePrefix`- - - - - -所有层名称前缀
`“LocalEnhancer_”`(默认)|字符串|特征向量

`netWithEnhancer`——pix2pixHD发电机网络与本地增强剂
`dlnetwork`对象