创建SegNet层语义分割
返回SegNet层,lgraph
= segnetLayers (图象尺寸
,numClasses
,模型
)lgraph
,这是预先初始化的层和重量从预先训练模型
.
SegNet是一种用于语义图像分割的卷积神经网络。网络使用pixelClassificationLayer
预测输入图像中每个像素的分类标签。
使用赛格莱特
为SegNet创建网络架构。您必须使用深度学习工具箱™功能训练网络trainNetwork
(深度学习工具箱).
返回使用指定编码器深度配置的未初始化SegNet层。lgraph
= segnetLayers (图象尺寸
,numClasses
,encoderDepth
)
返回带有一个或多个指定的附加选项的SegNet层lgraph
= segnetLayers (图象尺寸
,numClasses
,encoderDepth
,名称,值
)名称,值
对参数。
SegNet编码器和解码器子网内的部分由卷积层、批处理归一化层和ReLU层组成。
所有卷积层的配置使偏差项固定为零。
编码器和解码器子网络中的卷积层权值使用同行
’权重初始化方法。为“vgg16”
或“vgg19”
模型时,仅使用MSRA初始化解码器子网。[1]
网络所产生的赛格莱特
金宝app支持GPU代码生成深度学习一旦他们训练trainNetwork
(深度学习工具箱). 看见深度学习代码生成(深度学习工具箱)详情和例子。
何凯,张旭东,任舜,孙杰。深入研究整流器:在图像网分类上超越人类水平的表现。IEEE计算机视觉国际会议论文集. 2015, 1026–1034.
Badrinarayanan V., A. Kendall, R. Cipolla。“Segnet:一种用于图像分割的深度卷积编码器-解码器架构”。arXiv.预印本arXiv: 1511.0051, 2015。
pixelClassificationLayer
|DAGNetwork
(深度学习工具箱)|layerGraph
(深度学习工具箱)deeplabv3plusLayers
|evaluateSemanticSegmentation
|fcnLayers
|赛格莱特
|semanticseg
|unetLayers
|trainNetwork
(深度学习工具箱)