主要内容

roiMaxPooling2dLayer

用于输出矩形ROI的固定大小的神经网络层

展开所有页面

描述

ROI MAX池层输出输入特征图中每个矩形ROI的固定大小特征映射。使用此图层创建快速或更快的R-CNN对象检测网络。

给定输入特征图的大小[HW.CN]， 在哪里C是渠道的数量和N是观察的数量，输出特征映射大小是[高度宽度C和（m）]， 在哪里高度和宽度是输出大小。m是长度的矢量N和m（一世)为与之相关联的roi数目一世输入特征图。

这一层有两个输入:

  • '在'- 将裁剪的输入特征映射

  • 'roi'- 池中的ROI列表

在连接或断开ROI MAX池中连接到其他图层时使用输入名称connectLayers（深度学习工具箱）或脱圆形连接（深度学习工具箱）（需要深入学习工具箱™）。

创建

句法

层= roiMaxPooling2dLayer (outputSize)
层= roiMaxPooling2dLayer (outputSize,“名字”,名称)

描述

层= roiMaxPooling2dLayer (outputSize)为ROI创建一个最大池池层，并设置输出财产。

例子

层= roiMaxPooling2dLayer (outputSize,“名字”,名称)为ROI创建最大池池层，并设置可选姓名财产。要创建包含ROI MAX池层的网络，必须指定图层名称。

特性

展开全部

汇总输出大小，指定为表单的正整数的两个元素向量[高度宽度]。

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姓名被设置为''，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

图层的输入数。该层有两个输入。

数据类型：双倍的

图层的输入名称。该层有两个输入，命名'在'和'roi'。

数据类型：细胞

图层的输出数。此图层仅具有单个输出。

数据类型：双倍的

输出层的名称。此图层仅具有单个输出。

数据类型：细胞

例子

全部收缩

此示例使用：

打开生活的脚本

创建ROI输入层。

roiinput = roiinputlayer（'姓名'那“roi_input”）;

创建具有输出尺寸的ROI MAX池层[4 4]。

outputsize = [4 4];roipool = roimaxpooling2dlayer（输出，'姓名'那'roi_pool'）;

将图层添加到图表图中。

Lgraph = layerGraph;Lgraph = Addlayers（Lgraph，Roiinput）;Lgraph = Addlayers（Lograph，Roipool）;

指定ROI输入层的输出是'roi'输入ROI最大池层。

Lgraph = ConnectLayers（LAPHAGE，“roi_input”那“roi_pool / roi”）;图（LGROPL）

图包含轴。轴包含Type Graphplot的对象。

也可以看看

|||（深度学习工具箱）|（深度学习工具箱）|（深度学习工具箱）|（深度学习工具箱）

话题

在R2018B中介绍

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