主要内容

roiMaxPooling2dLayer

神经网络层用于输出固定大小的矩形roi特征图

扩展所有的页面

描述

ROI马克斯池层输出固定大小为每个矩形特征图谱ROI内输入特征映射。使用这一层创建一个快速或更快R-CNN对象检测网络。

给定一个输入特征的地图大小(HWCN),C的渠道和数量吗N是观测的数量,输出特性图大小(高度宽度C总和(米),高度和宽度是输出尺寸。米是一个向量的长度N和米(我)相关roi的数量我th地图输入功能。

这一层有两个输入:

  • “在”——输入特征映射,将裁剪

  • “投资回报”——roi的池

使用输入名称连接或断开时ROI马克斯池层其他层使用connectLayers(深度学习工具箱)或disconnectLayers(深度学习工具箱)(需要深度学习工具箱™)。

创建

语法

层= roiMaxPooling2dLayer (outputSize)
层= roiMaxPooling2dLayer (outputSize,“名字”,名称)

描述

层= roiMaxPooling2dLayer (outputSize)创建一个马克斯池层roi和设置OutputSize财产。

例子

层= roiMaxPooling2dLayer (outputSize,“名字”,名称)创建一个马克斯池层roi并设置可选的的名字财产。创建一个网络,其中包含一个ROI马克斯池层,您必须指定一层的名字。

属性

全部展开

池输出大小,指定为一个双元素向量的正整数形式(高度宽度]。

图层名称,指定为一个特征向量或字符串标量。为层数组输入,trainNetwork,assembleNetwork,layerGraph,dlnetwork函数自动分配层的名称的名字设置为”。

数据类型:字符|字符串

输入层的数量。这一层有两个输入。

数据类型:双

输入层的名称。这一层有两个输入,姓名“在”和“投资回报”。

数据类型:细胞

这个属性是只读的。

输出层的数量。这一层只有一个输出。

数据类型:双

这个属性是只读的。

输出层的名称。这一层只有一个输出。

数据类型:细胞

例子

全部折叠

这个示例使用:

打开生活的脚本

创建一个ROI输入层。

roiInput = roiInputLayer (“名字”,“roi_input”);

创建一个ROI马克斯池层与输出尺寸4 [4]。

outputSize = 4 [4];roiPool = roiMaxPooling2dLayer (outputSize,“名字”,“roi_pool”);

添加层LayerGraph。

lgraph = layerGraph;lgraph = addLayers (lgraph roiInput);lgraph = addLayers (lgraph roiPool);

指定的输出输入层是ROI“投资回报”输入的ROI马克斯池层。

lgraph = connectLayers (lgraph,“roi_input”,“roi_pool / roi”);情节(lgraph)

图包含一个坐标轴对象。坐标轴graphplot类型的对象包含一个对象。

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)|(深度学习工具箱)

主题

介绍了R2018b

计算机视觉工具箱文档

金宝app

用MATLAB引入深度学习

用MATLAB引入深度学习

下载电子书