主要内容

resize2dLayer

二维调整层

全部展开页面

描述

2d调整大小层通过比例因子调整2d输入的大小，使其达到指定的高度和宽度，或参考输入特征图的大小。使用此图层需要深入学习工具箱™。

创建

语法

tillay = resize2dlayer（'scale'，scale）
tillay = resize2dlayer（'outputsize'，输出）
层= resize2dLayer (EnableReferenceInput, tf)
层= resize2dLayer (＿＿＿，名称，价值）

描述

例子

tillay = resize2dlayer（'scale'，规模）创建一个2d的调整大小层，并设置规模属性作为规定的规模因子规模．

例子

层= resize2dLayer(“OutputSize”,outputSize）创建一个2d的调整大小层，并设置OutputSize属性指定的高度和宽度outputSize．

例子

层= resize2dLayer (EnableReferenceInput, tf)创建一个2d的调整大小层，并设置EnableReferenceInput由Boolean指定的属性特遣部队．指定值作为值真的，该层添加一个接受参考特征图的额外输入，并将输入的大小调整为参考特征图的大小。

例子

层= resize2dLayer (＿＿＿，名称，价值）设置可选方法，GeometricTransformMode，rediteRoundingMode.， 和的名字使用名称-值对参数的属性。可以指定多个名称-值对参数。将每个属性名用单引号括起来。

例子：layer = resize2dLayer('OutputSize'，[128 128]，'Method'，'双线性')使用Bilinear插值创建一个2-D调整大小层，该层调整输入到128-128像素的输入到128×128像素

属性

展开全部

调整大小

调整输入大小的比例因子，指定为正数的2元素行向量。比例因子分别用于行维度和列维度。在创建图层时，可以指定规模作为标量使用相同的值为两个尺寸。

调整大小的输入的输出大小，指定为形式为[的正整数的2元素行向量nrowsncols］．您可以指定一个元素为NaN，在这种情况下，该层会自动计算该值，以保持输入的宽高比。

将参考功能映射添加为图层的输入，指定为数字或逻辑0（假） 或者1（真的）．指定值作为值真的，该层调整输入的高度和宽度，以匹配参考特征图的高度和宽度。调整大小操作不会改变输入通道的数量。

启用参考功能映射时，图层的输入具有名称“三机”和“ref”， 在哪里“ref”是参考功能映射的名称。通过使用连接或断开图层时使用输入名称ConnectLayers.(深度学习工具箱)或者畅通无阻(深度学习工具箱)．

插值方法，指定为'最近'对于最近的邻居插值或双线性的双线性插值。

几何变换模式将从输入空间映射到输出空间的点，指定为“half-pixel”或者'不对称'．

最近邻插值的舍入模式，指定为下列之一。

  • “圆”-使用与MATLAB相同的舍入行为®圆形的函数。

  • '地面'-使用与MATLAB相同的舍入行为地面函数。

  • 'onnx-10'-再现ONNX™(Open Neural Network Exchange) opset 10 Resize操作符的调整大小行为。

属性时，此属性有效方法属性是'最近'．

层

图层名称，指定为字符向量或字符串标量。为了层数组输入,Trainnetwork.，汇编，分层图， 和dlnetwork.函数自动将名称分配给图层的名字设置为＇＇．

数据类型:char|字符串

层的输入数，指定为1当。。。的时候EnableReferenceInput属性是假或者2当。。。的时候EnableReferenceInput属性是真的．

数据类型:双倍的

输入的输入名称，指定为{'在'}当。。。的时候EnableReferenceInput属性是假或者{“在”,“ref”}当。。。的时候EnableReferenceInput属性是真的．

数据类型:细胞

此属性是只读的。

图层的输出次数。此图层仅具有单个输出。

数据类型:双倍的

此属性是只读的。

图层的输出名称。此图层仅具有单个输出。

数据类型:细胞

例子

全部收缩

打开直播脚本

使用2的水平比例为2和垂直比例因子，创建一个2-D调整层。

层= resize2dLayer ('规模'(2 - 4))
layer = Resize2DLayer with properties: Name: " Scale: [2 4] OutputSize: [] EnableReferenceInput: 0 Method: 'nearest' GeometricTransformMode: 'half-pixel' NearestRoundingMode: 'round' Learnable Parameters无属性。状态参数无属性。显示所有属性
打开直播脚本

创建一个名为“Resize224”的2-D调整层，其中输出大小[224 224]。

层= resize2dLayer (“OutputSize”(224 224),“名字”，“resize224”）
layer =使用属性resize2dlayer：name：'resize224'scale：[]输出：[224 224] EnableReferenceInput：0方法：'最近的'GeometricTransformMode：'半像素'referyRoundingMode：'圆形'学习参数无属性。状态参数无属性。显示所有属性

此示例使用：

打开直播脚本

创建一个包含2-D调整层的图层数组，该层接受参考输入要素映射。

[imageInputLayer([32 32 3]，])，“名字”，'图片'）resize2dlayer（“EnableReferenceInput”,真的,“名字”，'调整大小'）
图层= 2x1层阵列，带有图层：1'图像'图像输入32x32x3映像与“Zerocenter”归一化2'调整大小'调整大小Nnet.Cnn.layer.resize2dlayer

创建一个分层图．二维调整层的第一个输入自动连接到图像输入层的输出。

Lgraph = LayerGraph（层）;

连接“ref”的输入的2-D调整大小层的输出层，该层提供了一个参考特征图使用ConnectLayers.函数。此示例显示了一个微不足道的连接“ref”输入还连接到图像输入层的输出。

lgraph = connectLayers (lgraph,'图片'，“调整/ ref”）;
打开直播脚本

创建一个名为“rescale0.5”的2d调整大小层，其统一比例系数为0.5。指定插值方法为双线性插值。

层= resize2dLayer ('规模'，0.5，“方法”，双线性的，“名字”，“rescale0.5”）
tillay =带有属性的大小2dlayer：名称：'Rescale0.5'刻度：[0.5000 0.5000]输出：[] EnableReferenceInput：0方法：'Bilinear'GeometricTransformMode：'Halfi-Pixel'EledileRoundingMode：'圆形'学习参数无属性。状态参数无属性。显示所有属性

参考

[1]开放式神经网络交换．https://github.com/onnx/．

［2］onnx.．https://onnx.ai/．

扩展功能

GPU的代码生成
使用GPU编码器™生成NVIDIA®GPU的CUDA®代码。

另请参阅

||(深度学习工具箱)|(深度学习工具箱)|(深度学习工具箱)

主题

介绍了R2020b

图像处理工具箱文档

金宝app

与Matlab引入深度学习

与Matlab引入深度学习

下载电子书