文件帮助中心文件
区域提案网络的分类层(RPN)
区域提案网络(RPN)分类层将图像区域分类为目的要么背景通过使用跨熵损失功能。使用此图层创建更快的R-CNN对象检测网络。
tillay = rpnclassificallayer.
tillay = rpnclassificationlayer('name',name)
tillay = rpnclassificallayer.为更快的R-CNN对象检测网络创建两级分类层。
例子
tillay = rpnclassificationlayer('name',name)创建一个两级分类层并设置可选姓名财产。
姓名
展开全部
''
图层名称,指定为字符向量或字符串标量。为了层阵列输入,Trainnetwork.那汇编那分层图, 和dlnetwork.函数自动将名称分配给图层姓名调成''。
层
Trainnetwork.
汇编
分层图
dlnetwork.
数据类型:char|细绳
char
细绳
numinputs.
1
此属性是只读的。
图层的输入数。此图层仅接受单个输入。
数据类型:双倍的
双倍的
输入名称
{'在'}
图层的输入名称。此图层仅接受单个输入。
数据类型:细胞
细胞
全部收缩
使用名称创建RPN SoftMax层'rpn_softmax'。
'rpn_softmax'
rpnsoftmax = rpnsoftmaxlayer('姓名'那'rpn_softmax'的)
RPNSOFTMAX = RPNSOFTMAXLAYER具有属性:名称:'rpn_softmax'
使用名称创建RPN分类层'rpn_cls'。
'rpn_cls'
rpnclassification = rpnclassificatificer('姓名'那'rpn_cls'的)
RPNClassification = RPNClassificationLayer具有属性:名称:'RPN_CLS'
将RPN SoftMax和RPN分类图层添加到a层数组,形成RPN的分类分支。
numanchors = 3;rpnclasslayers = [卷积2dlayer(1,numanchors * 2,'姓名'那'conv1x1_box_cls')RPNSoftmax Rpnclassification]
Rpnclasslayers =带有图层的3x1层阵列:1'conv1x1_box_cls'卷积6 1x1带势长的卷曲[11]和填充[0 0 0 0] 2'RPN_SOFTMAX'RPN SoftMax RPN SoftMax 3'RPN_CLS的RPN分类输出交叉熵损失'对象'和'背景'课程
TrainfasterrcnnobjectDetector.|ClassificationLayer.(深度学习工具箱)|rpnsoftmaxlayer.
TrainfasterrcnnobjectDetector.
ClassificationLayer.
rpnsoftmaxlayer.
このこの例の変更されたれたありののをさたのののをききますかかたきます
次のMATLABコマンドに対応するリンクがクリックされました。
コマンドをmatlabコマンドウィンドウににに力
选择一个网站,以便在可用的地方进行翻译内容,并查看本地活动和优惠。根据您的位置,我们建议您选择:。
您还可以从以下列表中选择一个网站:
选择中国网站(以中文或英文)以获得最佳网站性能。其他MathWorks国家网站未优化您所在地的访问。
联系您当地的办公室