为语义分割创建SEGNET层
返回SEGNET图层,LGRAPH.
= segnetlayers(图片尺寸
那numclasses.
那模型
)LGRAPH.
,这是用倒雷定的层和重量预先统筹模型
.
SegNet是一种用于语义图像分割的卷积神经网络。网络使用PixelclassificationLayer.
预测输入图像中的每个像素的分类标签。
使用segnetLayers
为SegNet创建网络架构。您必须使用深度学习工具箱™功能训练网络Trainnetwork.
.
返回使用指定编码器深度配置的未初始化的SegNet层。LGRAPH.
= segnetlayers(图片尺寸
那numclasses.
那encoderDepth
)
返回一个由一个或多个指定的附加选项返回SEGNET图层LGRAPH.
= segnetlayers(图片尺寸
那numclasses.
那encoderDepth
那名称,价值
)名称,价值
对参数。
SEGNET编码器和解码器子网内的部分由卷积,批量归一化和Relu层组成。
所有卷积层配置成使得偏置项固定为零。
编码器和解码器子网中的卷积层权重使用“MSRA
'重量初始化方法。为了“vgg16”
或'vgg19'
模型时,仅使用MSRA初始化解码器子网。[1]
网络所产生的segnetLayers
万博1manbetx支持GPU代码生成深度学习一旦他们训练Trainnetwork.
.看到深度学习代码生成(深度学习工具箱)获取详细信息和示例。
何凯,张旭东,任舜,孙杰。深入研究整流器:在图像网分类上超越人类水平的表现。IEEE计算机愿景国际会议的诉讼程序.2015年,1026 - 1034。
Badrinarayanan V., A. Kendall, R. Cipolla。“Segnet:一种用于图像分割的深度卷积编码器-解码器架构”。arxiv.预印亚克西夫:1511.0051,2015。