文件帮助中心文件
区域提案网络的软墨幅层(RPN)
区域提案网络(RPN)SoftMax层将SoftMax激活功能应用于输入。使用此图层创建更快的R-CNN对象检测网络。
tallay = rpnsoftmaxlayer.
tillay = rpnsoftmaxlayer('name',name)
tallay = rpnsoftmaxlayer.为更快的R-CNN对象检测网络创建软MAX层。
例子
tillay = rpnsoftmaxlayer('name',name)创建一个softmax层并设置可选名称财产。
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
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
numoutput.
图层的输出数。此图层仅具有单个输出。
OutputNames
{'出去'}
图层的输出名称。此图层仅具有单个输出。
全部收缩
使用名称创建RPN SoftMax层'rpn_softmax'。
'rpn_softmax'
rpnsoftmax = rpnsoftmaxlayer('名称'那'rpn_softmax')
RPNSOFTMAX = RPNSOFTMAXLAYER具有属性:名称:'rpn_softmax'
使用名称创建RPN分类层'rpn_cls'。
'rpn_cls'
Rpnclassification = rpnclasisificallayer('名称'那'rpn_cls')
RPNClassification = RPNClAsificationLayer具有属性:名称:'RPN_CLS'
将RPN SoftMax和RPN分类图层添加到a层数组,形成RPN的分类分支。
层
Numanchors = 3;rpnclasslayers = [卷积2dlayer(1,numanchors * 2,'名称'那'conv1x1_box_cls')RPNSOFTMAX Rpnclassification]
RPNClassLayers =带有图层的3x1层阵列:1'conv1x1_box_cls'卷积6 1x1带脚步的卷积[11]和填充[0 0 0 0] 2'RPN_SOFTMAX'RPN SoftMax RPN SoftMax 3'RPN_CLS的RPN分类输出交叉熵损失'对象'和'背景'课程
RpnclassificationLayer.|TRATHFASTERRCNNOOBJECTDETECTOR.|softmaxlayer.(深度学习工具箱)
RpnclassificationLayer.
TRATHFASTERRCNNOOBJECTDETECTOR.
softmaxlayer.
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