pixelClassificationLayer

创建语义分割像素分类层

扩大所有页面

描述

的像素分类层提供用于每个图像像素或体素一个分类标签。

创建

句法

层= pixelClassificationLayer
层= pixelClassificationLayer（名称，值）

描述

例

层= pixelClassificationLayer创建语义图像分割网络的像素分类输出层。该层输出用于由CNN处理的每个图像像素或体素的分类标签。所述层训练过程中自动忽略不确定像素标签。

例

层= pixelClassificationLayer（名称，值）返回使用名称，Value对参数设置可选的像素分类输出层类，ClassWeights和名称通过使用名称 - 值对的特性。可以指定多个名称 - 值对。在引号中每个属性的名称。

例如，pixelClassificationLayer（ '姓名'， 'pixclass'）创建具有名称的像素分类层'pixclass'。

属性

展开全部

输出层的类，指定为分类矢量，字符串数组，字符向量的单元阵列，或'汽车'。如果类是'汽车'，那么软件会自动在训练时间设置类。如果指定字符向量的字符串数组或单元阵列海峡，则软件将输出层的类分类（STR，STR）。默认值是'汽车'。

数据类型：烧焦|明确的|串|细胞

类的权重，指定为'没有'或作为实数标量的向量。矢量对应的所述类别中的元素类。如果您指定ClassWeights，那么你必须指定类。

使用类权重时，有在训练数据未被充分代表的类平衡类。

此属性是只读的。

该层的输出大小。该值是'汽车'在训练前，和被指定为在训练时间的数值。

此属性是只读的。

用于培训损失函数，指定为'crossentropyex'。

层名称，指定为字符向量或字符串标量。要在一个层图形层，你必须指定一个非空的唯一图层名称。如果你训练的一系列网络层和名称设定为“”，那么软件的名称自动分配到训练时间的层。

数据类型：烧焦|串

的层的输入端数量。该层只接受单个输入。

数据类型：双

该层的输入名称。该层只接受单个输入。

数据类型：细胞

例子

全部收缩

本例使用：

开立真实脚本

预测每个像素的分类标签中的输入图像。

层= [imageInputLayer（[32 32 3]）convolution2dLayer（3,16，“跨越论”，2，'填充'，1）reluLayer transposedConv2dLayer（3,1，“跨越论”，2，“裁剪”，1）softmaxLayer pixelClassificationLayer]
层= 6×1层阵列层：1 '' 图像输入32x32x3图像与 'zerocenter' 正常化2 '' 卷积16分3×3的卷积与步幅[2 2]和填充[1 1 1 1] 3 '' RELU RELU 4 '' 转置卷积1 3×3的卷积转置与步幅[2 2]和裁剪[1 1 1 1]的5“”使用SoftMax SOFTMAX 6“”像素分类层跨熵损失

本例使用：

开立真实脚本

使用逆类频率加权当一些类在训练数据中的人数不足平衡类。首先，计数结束使用pixelLabelImageDatastore训练数据类的频率。然后，设置在所述pixelClassificationLayer“ClassWeights”所计算的逆类的频率。

设置图像和像素标签数据的位置。

DATADIR =完整文件（toolboxdir（'视力'）'visiondata'）;imDir =完整文件（DATADIR，'建造'）;pxDir =完整文件（DATADIR，'buildingPixelLabels'）;

利用地面实况图像创建像素标签图像数据存储IMDS和像素标记的图像在pxds。

IMDS = imageDatastore（imDir）;类名= [“天空”“草”“建造”“人行道”]。pixelLabelID = [1 2 3 4];pxds = pixelLabelDatastore（pxDir，类名，pixelLabelID）;pximds = pixelLabelImageDatastore（IMDS，pxds）;

在数据集制表类分布。

TBL = countEachLabel（pximds）
TBL =4×3表名称PixelCount ImagePixelCount ____________ __________ _______________ { '天空'} 3.1485e + 05 1.536e + 06 { '草'} 1.5979e + 05 1.536e + 06 { '建设'} 1.0312e + 06 1.536e + 06 { '人行道'}25313 9.216e + 05

计算逆频率类的权重。

totalNumberOfPixels =总和（tbl.PixelCount）;频率= tbl.PixelCount / totalNumberOfPixels;inverseFrequency = 1./frequency
inverseFrequency =4×14.8632 9.5827 1.4848 60.4900

设置“ClassWeights”逆类的频率。

层= pixelClassificationLayer（...“类”，tbl.Name，'ClassWeights'，inverseFrequency）
层= PixelClassificationLayer与属性：名称： '' 类：[天空草构建人行道] ClassWeights：[4X1双] OutputSize： '自动' 超参数LossFunction： 'crossentropyex'

扩展功能

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

也可以看看

对象

职能

话题

介绍了在R2017b

计算机视觉工具箱文档
万博1manbetx
用MATLAB引入深度学习

用MATLAB引入深度学习

下载电子书