主要内容

squeezesegv2Layers

创建SqueezeSegV2分割网络组织的激光雷达点云

自从R2020b

描述

例子

lgraph= squeezesegv2Layers (inputSize,numClasses)返回一个SqueezeSegV2层图lgraph组织点的大小inputSize和类的数量numClasses

SqueezeSegV2卷积神经网络,预测一个有组织的激光雷达点云的点态标签。

使用squeezesegv2Layers函数来创建SqueezeSegV2的网络体系结构。这个函数需要深度学习工具箱™。

例子

lgraph= squeezesegv2Layers (___,名称,值)指定选项使用一个或多个名称-值对参数除了输入参数在前面的语法。例如,“NumEncoderModules”4集的数量四个编码器用于创建网络。

例子

全部折叠

设置网络输入参数。

inputSize = (64 512 5);numClasses = 4;

创建一个SqueezeSegV2层图。

lgraph = squeezesegv2Layers (inputSize numClasses)
lgraph = LayerGraph属性:InputNames:{“输入”}OutputNames: {“focalloss”}层:x1 nnet.cnn.layer.Layer[168]连接:[186 x2表)

显示网络。

analyzeNetwork (lgraph)

设置网络输入参数。

inputSize = (64 512 6);numClasses = 2;

创建一个自定义SqueezeSegV2层图。

lgraph = squeezesegv2Layers (inputSize numClasses,“NumEncoderModules”4“NumContextAggregationModules”,2)
lgraph = LayerGraph属性:InputNames:{“输入”}OutputNames: {“focalloss”}层:x1 nnet.cnn.layer.Layer[232]连接:[257 x2表)

显示网络。

analyzeNetwork (lgraph)

输入参数

全部折叠

网络输入的大小,指定为这些选项之一:

  • 双元素向量的形式高度宽度]。

  • 三元素向量的形式高度宽度渠道),渠道指定输入通道的数量。集渠道3为RGB图像1对灰度图像或渠道的数量多光谱和高光谱图像。

数量的语义分割类,指定为一个比1大的整数。

名称-值参数

指定可选的双参数作为Name1 = Value1,…,以=家,在那里的名字参数名称和吗价值相应的价值。名称-值参数必须出现在其他参数,但对的顺序无关紧要。

R2021a之前,用逗号来分隔每一个名称和值,并附上的名字在报价。

例子:“NumEncoderModules”4集的数量四个编码器用于创建网络。

编码器模块用于创建网络数量,指定为逗号分隔组成的“NumEncoderModules”和一个非负整数。每个编码器模块包含两个模块和一个max-pooling火层连接顺序。如果您指定0与违约,那么函数将返回一个网络编码器,由卷积和max-pooling层没有火的模块。使用这个名称-值对定制火网络中的模块的数量。

数量的上下文聚合模块(摄像头),指定为逗号分隔组成的“NumContextAggregationModules”和一个整数范围(0,3]。如果您指定0,那么这个函数创建一个网络没有凸轮。

输出参数

全部折叠

层代表SqueezeSegV2网络架构,作为一个返回layerGraph(深度学习工具箱)对象。

更多关于

全部折叠

SqueezeSegV2网络

  • SqueezeSegV2网络由编码器模块、凸轮、中间固定模块[1]特征提取,译码器模块。函数自动配置的数量根据指定数量的编码器解码器模块模块。

  • 初始化方法来初始化函数使用narrow-normal重量每个卷积层的权重在编码器和解码器子网。

  • 该函数初始化所有偏差项为零。

  • 卷积函数添加的填充和max-pooling层等,输出具有相同大小的输入(如果步幅等于1)。

  • 输入张量明显低于的高度有组织的激光雷达点云数据的宽度。为了解决这个问题,网络downsamples宽度尺寸输入数据的卷积和max-pooling层。输入数据的宽度一定的倍数2(D+ 2),在那里D是编码器模块的数量用于创建网络。

  • 这个函数没有提供周期性条件随机场(CRF)层。

引用

[1],Bichen Xuanyu周,Sicheng赵,翔宇悦,库尔特·Keutzer。“SqueezeSegV2:改进的模型结构和无监督领域适应Road-Object从激光雷达点云分割。“在)举行2019机器人与自动化国际会议上(“国际机器人与自动化会议”,4376 - 82。加拿大蒙特利尔,QC: IEEE 2019。https://doi.org/10.1109/ICRA.2019.8793495

扩展功能

C / c++代码生成
生成C和c++代码使用MATLAB®编码器™。

GPU的代码生成
生成NVIDIA的CUDA®代码®GPU使用GPU编码器™。

版本历史

介绍了R2020b