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。使用该层需要深度学习工具箱™。

创建

语法

层= resize2dLayer(“规模”,规模)
层= resize2dLayer (OutputSize, OutputSize)
层= resize2dLayer (EnableReferenceInput, tf)
层= resize2dLayer (＿＿＿、名称、值)

描述

例子

层= resize2dLayer(“规模”,规模）创建一个2d的调整大小层，并设置规模属性指定的比例因子规模．

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属性的布尔值特遣部队．当你指定值为真正的，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,值）设置可选方法，GeometricTransformMode，NearestRoundingMode,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')创建一个2d的调整大小层，使用双线性插值将输入大小调整为128 × 128像素

属性

全部展开

调整

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，对两个维度使用相同的值。

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。

添加参考特征图作为输入层，指定为数字的或逻辑的0（假)或1（真正的)．．当你指定值为真正的，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。

当您启用一个参考特征图时，该层的输入就有了名称“三机”和“ref”,在那里“ref”是参考特征图的名称。当通过使用连接或断开层时使用输入名称connectLayers(深度学习工具箱)或disconnectLayers(深度学习工具箱)．

插值方法，指定为“最近的”为最近邻插值或双线性的双线性插值。

将点从输入空间映射到输出空间的几何转换模式，指定为“half-pixel”或“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®轮函数。

  • “地板”-使用与MATLAB相同的舍入行为地板上函数。

  • “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“最近的”．

层

层名，指定为字符向量或字符串标量。若要在层图中包含层，必须指定非空的唯一层名。如果你用层和的名字被设置为'＇，然后软件在训练时自动为该层分配一个名称。

数据类型:字符|字符串

层的输入数，指定为1当EnableReferenceInput属性是假或2当EnableReferenceInput属性是真正的．

数据类型:双

输入层的名称，指定为{'在'}当EnableReferenceInput属性是假或{“在”,“ref”}当EnableReferenceInput属性是真正的．

数据类型:细胞

层输出的数量。这一层只有一个输出。

数据类型:双

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

打开生活的脚本

创建一个2- d的调整大小层，水平比例系数为2，垂直比例系数为4。

层= resize2dLayer (“规模”(2 - 4))
layer = Resize2DLayer with properties: Name: " Scale: [2 4] OutputSize: [] EnableReferenceInput: 0 Method: 'nearest' GeometricTransformMode: 'half-pixel' NearestRoundingMode: 'round'显示所有属性
打开生活的脚本

创建一个2-D的调整大小图层名为resize224，输出大小为[224 224]。

层= resize2dLayer (“OutputSize”(224 224),“名字”，“resize224”）
layer = Resize2DLayer with properties: Name: 'resize224' Scale: [] OutputSize: [224 224] EnableReferenceInput: 0 Method: 'nearest' GeometricTransformMode: 'half-pixel' neararestroundingmode: 'round'显示所有属性

这个示例使用:

打开生活的脚本

创建一个图层数组，其中包括一个接受参考输入特征图的2d调整图层。

[imageInputLayer([32 32 3]，])，“名字”，“图像”) resize2dLayer (“EnableReferenceInput”,真的,“名字”，“调整”）]
1 'image' image Input 32x32x3 images with 'zerocenter' normalization 2 'resize' resize net.cnn. Layer . resize2dlayer

创建一个layerGraph．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。这个例子显示了一个简单的连接，其中“ref”输入还连接到图像输入层的输出。

lgraph = connectLayers (lgraph,“图像”，“调整/ ref”）;
打开生活的脚本

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”）
layer = Resize2DLayer with properties: Name: 'rescale0.5' Scale: [0.5000 0.5000] OutputSize: [] EnableReferenceInput: 0 Method: 'bilinear' GeometricTransformMode: 'half-pixel' neararestroundingmode: 'round'显示所有属性

参考文献

［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 Coder™为NVIDIA®GPU生成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

万博1manbetx

介绍基于MATLAB的深度学习

介绍基于MATLAB的深度学习

下载电子书