resnet3dLayers
描述
创建一个三维残余网络图像输入指定的大小lgraph
= resnet3dLayers (inputSize
,numClasses
)inputSize
和一些指定的类numClasses
。剩余网络由成堆的街区。每个块包含深度学习层。网络层包括一个图像分类,适用于预测输入图像的分类标签。
创建一个二维剩余网络使用resnetLayers
。
例子
输入参数
输出参数
更多关于
提示
在处理小图片,设置
InitialPoolingLayer
选项“没有”
删除初始池层和减少将采样的数量。剩余网络通常叫ResNet -X,在那里X是深度的网络。的深度网络被定义为最多的连续卷积或完全连接层路径从输入层到输出层。您可以使用以下公式计算网络的深度:
在哪里年代我堆栈的深度吗我。
网络具有相同的深度可以有不同的网络架构。例如,您可以创建一个3 d ResNet-14架构有或没有一个瓶颈:
resnet14Bottleneck = resnet3dLayers ([224 224 64 3] 10…StackDepth = (2 - 2),…NumFilters = [64 - 128]);resnet14NoBottleneck = resnet3dLayers ([224 224 64 3] 10…BottleneckType =“没有”,…StackDepth = (2 2 2),…NumFilters = (64 128 256));
resnet50Bottleneck = resnet3dLayers (224 224 64 3, 10);resnet34NoBottleneck = resnet3dLayers ([224 224 64 3] 10…BottleneckType =“没有”);
引用
[1]他开明、象屿张任Shaoqing,剑太阳。“深层残留图像识别的学习。“预印本,2015年12月10日提交。https://arxiv.org/abs/1512.03385。
[2]他开明、象屿张任Shaoqing,剑太阳。“身份映射在深残余网络。“预印本,提交2016年7月25日。https://arxiv.org/abs/1603.05027。
[3]他开明、象屿张任Shaoqing,剑太阳。“深深入整流器:超越人类表现ImageNet分类。”In学报2015年IEEE计算机视觉国际会议,1026 - 1034。华盛顿特区:IEEE计算机视觉的社会,2015年。
扩展功能
版本历史
介绍了R2021b