文件帮助中心文件
快速和更快的R-CNN盒回归层
通过使用平滑的L1损耗功能,盒回归层炼制边界框位置。使用此图层创建快速或更快的R-CNN对象检测网络。
tillay = rcnnboxregressionlayer.
tillay = rcnnboxregressionlayer('name',name)
tillay = rcnnboxregressionlayer.为快速或更快的R-CNN对象检测网络创建一个盒式回归层。
例子
tillay = rcnnboxregressionlayer('name',name)创建一个框回归层并设置可选的名称财产。
名称
展开全部
''
图层名称,指定为字符向量或字符串标量。要在图层图中包含一个图层,必须指定非空,唯一的图层名称。如果您使用该图层培训系列网络名称设定为'',然后软件会自动为培训时间分配给图层的名称。
数据类型:char|细绳
char
细绳
numinputs.
图层的输入数。此图层仅接受单个输入。
数据类型:双倍的
双倍的
输入名称
{'在'}
图层的输入名称。此图层仅接受单个输入。
数据类型:细胞
细胞
全部收缩
使用名称创建R-CNN框回归层'rcnn_box_reg'。
'rcnn_box_reg'
rcnnboxregression = rcnnboxregressionlayer('名称'那'rcnn_box_reg');
生成CUDA.®或使用GPU编码器™或C ++代码,必须先构建和培训深度神经网络。一旦网络训练和评估,您可以将代码生成器配置为生成代码并在使用NVIDIA的平台上部署卷积神经网络®或手臂®GPU处理器。有关更多信息,请参阅与GPU编码器深入学习(GPU编码器)。
对于此图层,您可以生成利用NVIDIA CUDA深神经网络库(CUDNN),NVIDIA TENSORT™高性能推理库或臂的代码计算库对于马里GPU。
计算库
TRATHFASTERRCNNOOBJECTDETECTOR.|trainfastrcnnobjectdetector.|回归金属(深度学习工具箱)
TRATHFASTERRCNNOOBJECTDETECTOR.
trainfastrcnnobjectdetector.
回归金属
您有此示例的修改版本。您是否希望使用您的编辑打开此示例?
您单击了与此MATLAB命令对应的链接:
在MATLAB命令窗口中输入它来运行命令。Web浏览器不支持MATLAB命令。万博1manbetx
选择一个网站,以便在可用的地方进行翻译的内容,并查看本地活动和优惠。根据您的位置,我们建议您选择:。
您还可以从以下列表中选择一个网站:
选择中国网站(以中文或英文)以获取最佳网站性能。其他MathWorks国家网站未优化您的位置。
联系您当地的办公室