主要内容

Fasterrcnlayers.

创建更快的R-CNN对象检测网络

页面上倒塌

句法

LGRAPH = FESTERRCNNLAYERS（InputImagesize，Numcrasses，Anchorboxes，网络）
LGraph = FasterRcnlayers（InputImagesize，Numcrasses，Anchorboxes，Network，FeatureLayer）
lgraph = fasterrcnlayers（___，名称，价值）

描述

例子

LGRAPH.= fasterrcnlayers（InputImagesize.那numclasses.那锚盒那网络）返回更快的R-CNN网络作为一个分层图（深度学习工具箱）目的。较快的R-CNN网络是基于卷积神经网络的对象检测器。检测器预测一组锚箱的边界框，对象分数和分类得分的坐标。要培训创建的网络，请使用TRATHFASTERRCNNOOBJECTDETECTOR.功能。有关更多信息，请参阅R-CNN，FAST R-CNN和更快的R-CNN入门。

LGRAPH.= fasterrcnlayers（InputImagesize.那numclasses.那锚盒那网络那FeatureLayer.）基于指定返回对象检测网络FeatureLayer.网络。将网络指定为a时使用此语法系列网络（深度学习工具箱）那Dagnetwork.（深度学习工具箱）， 或者分层图（深度学习工具箱）。目的。

LGRAPH.= fasterrcnlayers（___那名称，价值）返回具有由一个或多个名称值对参数指定的可选输入属性的对象检测网络。

使用此功能需要深度学习工具箱™。

例子

全部收缩

此示例使用：

打开直播脚本

指定图像大小。

InputImagesize = [224 224 3];

指定要检测的对象数。

numclasses = 1;

使用预先磨碎的RESET-50网络作为基于R-CNN网络的基础网络。你必须下载resnet50（深度学习工具箱）万博1manbetx支持包。

网络='resnet50';

指定要用于特征提取的网络层。你可以使用分析（深度学习工具箱）函数查看网络中的所有图层名称。

FeatureLayer ='activation_40_relu';

指定锚框。你也可以使用extimateanchorboxes.从培训数据中估算锚框的功能。

锚盒= [64,64;128,128;192,192）;

创建更快的R-CNN对象检测网络。

LGROPR = FESTERRCNLAYERS（InputImagesize，Numcrasses，Anchorboxes，......网络，FeatureLayer）
LGAPH =具有属性的分层图：图层：[188x1 nnet.cnn.layer.layer]连接：[205x2表]输入名称：{'input_1'} OutputNames：{1x4 Cell}

使用网络分析仪可视化网络。

分析（LGROPH）

输入参数

全部收缩

网络输入图像大小，指定为格式的3元素向量[高度那宽度那深度]。深度是图像通道的数量。放深度至3.对于RGB图像，到1对于灰度图像，或多光谱和超光谱图像的通道数。

要对其进行分类的网络数量，指定为大于0的整数。

锚盒，指定为m- 2矩阵m格式的锚盒[高度那宽度]。基于训练数据集中对象的比例和宽高比确定锚盒。例如，如果对象由方形窗口本地化，则可以将锚框的大小设置为[64 64; 128 128]。

预先定位的分类网络，指定为a系列网络（深度学习工具箱）那Dagnetwork.（深度学习工具箱）， 或者分层图（深度学习工具箱），或如下：

当您将网络指定为a时系列网络（深度学习工具箱）对象，ADagnetwork.（深度学习工具箱）对象或按名称，该功能将网络转换为更快的R-CNN网络。它通过添加区域提议网络（RPN）和ROI MAX池层和新分类和回归层来转换网络，以支持对象检测。万博1manbetx

特征提取层，指定为字符向量或字符串标量。使用您指定的网络中的一个更深层层之一。你可以使用分析（深度学习工具箱）函数以查看输入网络中的图层的名称。

笔记

您可以指定除完全连接图层的任何网络层作为要素层。

名称值对参数

指定可选的逗号分离对名称，价值论点。名称是参数名称和价值是相应的价值。名称必须出现在引号内。您可以以任何顺序指定多个名称和值对参数name1，value1，...，namen，valuen。

例子：'roimaxpoolinglayer'那'汽车'

ROI MAX池层，指定为a'汽车'那'插'， 或者'代替'。您可以指定是否aroimaxpooling2dlayer.替换池池层或遵循特征提取层。

如果你选择'汽车'， 功能：

  • 在特征提取层旁边的图层不是最大池层时，在特征提取层后插入新的ROI最大池池层。

  • 在具有ROI MAX池池层的特征提取层之后替换电流池层。

ROI MAX汇集层输出大小，指定为'汽车'或正整数的2元素矢量。当您设置值时'汽车'，该函数基于的函数确定输出大小RoimaxPoolingLayer.财产。它使用特征提取层的输出大小或特征提取层后的池层。

输出参数

全部收缩

对象检测网络，作为一个返回分层图（深度学习工具箱）目的。输出和基础网络imageInputlayer.标准化值相等。

也可以看看

应用

职能

话题

在R2019B中介绍

计算机视觉工具箱文档

万博1manbetx

与Matlab引入深度学习

与Matlab引入深度学习

下载电子书