主要内容

roiAlignLayer

Mask-CNN的非量化ROI池层

全部展开页面

描述

ROI对齐层为输入特征图中的每个矩形ROI输出固定大小的特征图。使用此层创建Mask-RCNN网络。

给定输入特征图的大小[HWCN),C频道的数量是多少N为观测次数，输出特征图大小为[hwC总和（米),h和w是指定的输出大小。米向量的长度是多少N和米（我)为与之相关联的roi数目我输入特征图。

这一层有两个输入:

  • “在”—输入特征图

  • “投资回报”-可共享的roi列表

在将ROI对齐层连接或断开时使用输入名称connectLayers(深度学习工具箱)或disconnectLayers(深度学习工具箱)(需要深度学习工具箱™)。

创建

语法

层= roiAlignLayer (outputSize)
层= roiAlignLayer (outputSize、名称、值)

描述

层= roiAlignLayer (outputSize)创建具有池输出大小的ROI对齐层outputSize．的outputSize输入设置OutputSize财产。

例子

层= roiAlignLayer (outputSize、名称、值)使用一个或多个名称-值对参数设置ROI对齐层的属性。将每个属性名用引号括起来。

例如,roiAlignLayer(7[7],“名字”,“roiAlignLayer”)创建一个ROI对齐层，池输出大小为7 × 7像素，并命名为“roialignlayer”。

属性

全部展开

合并后的输出大小，指定为两个正整数的向量[w h],在那里h是高度和w是宽度。

数据类型:双

输入特征映射到输入图像的比例，指定为正数。

数据类型:双

每个集合库中的样本数量，指定为“汽车”或者是两个正整数的行向量。这两个元素分别是垂直和水平样本的数量。

如果您没有指定抽样比率，那么垂直抽样的数量将具有默认值(即:roiHeight/outputHeight）．同样，水平样本的数量也有默认值(即:roiWidth/outputWidth）．

数据类型:双|字符

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。这一层接受两个输入。

数据类型:双

输入层名。

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

指定池的输出大小。

outputSize = [7 7];

创建一个名为“roialign”的ROI对齐层。

层= roiAlignLayer (outputSize,“名字”，“roialign”）
layer = roialign layer with properties: Name: 'roialign' NumInputs: 2 InputNames: {'in' 'roi'} OutputSize: [7 7] Hyperparameters ROIScale: 1 SamplingRatio: 'auto'

更多关于

全部展开

另请参阅

||

主题

介绍了R2020b

计算机视觉工具箱文档

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