主要内容

rpnsoftmaxlayer.

区域提案网络的软墨幅层（RPN）

展开所有页面

描述

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。

创建

句法

tallay = rpnsoftmaxlayer.
tillay = rpnsoftmaxlayer（'name'，name）

描述

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。

特性

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

图层的输入数。此图层仅接受单个输入。

数据类型：双倍的

图层的输入名称。此图层仅接受单个输入。

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

图层的输出名称。此图层仅具有单个输出。

数据类型：细胞

例子

全部收缩

打开直播脚本

使用名称创建RPN SoftMax层'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'。

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。

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

也可以看看

||（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

与Matlab引入深度学习

与Matlab引入深度学习

下载电子书