主要内容

创建模块化神经网络

许多用于图像处理应用程序的神经网络具有遵循模块化模式的体系结构。该模式由一个编码器模块组成，该模块将输入列为示例，其次是一个解码器，该解码器会为数据示例。桥层（可选）连接编码器和解码器模块。模块化模式由卷积神经网络（CNN）（例如U-NET）和生成对抗网络（GAN）生成器和鉴别器网络（例如Cyclegan和PatchGan）使用。

创建编码器和解码器模块

要创建编码器和解码器模块，您可以：

  • 使用预告片网络（例如Squeezenet）创建一个编码器网络，使用预处理编码功能。该函数修剪预验证的网络，以便编码器包括您指定的降采样操作的数量。

  • 从遵循重复模式的图层的构建块中创建编码器和解码器模块。要创建一个模块，请定义一个指定图案的函数，然后使用该模块组装块阻止网络功能。

编码器模块由一个初始块，下采样块和残留块组成。解码器模块由UPS采样块和提供网络输出的最终块组成。该表描述了通常包含编码器和解码器模块的图层块。

块类型 描述
初始块
下采样块

  • 下采样层，例如合并层或卷积2Dlayer（深度学习工具箱）大步大于1

  • 可选归一化层

  • 激活层
残留块

  • 一种卷积2Dlayer（深度学习工具箱）

  • 可选归一化层

  • 激活层

  • 可选的辍学层

  • 一秒卷积2Dlayer（深度学习工具箱）

  • 可选的第二归一层层

  • 一个加法器（深度学习工具箱）这提供了每个块之间的跳过连接
提高采样块

  • 执行提升采样的层，例如转置卷积层或卷积层，然后是调整大小或深度到空间层。

  • 可选归一化层

  • 激活层
最终区块

从编码器和解码器模块创建网络

使用编码器和解码器模块后，您可以使用模块组合模块，以形成CNN，GAN GENERATOR或GAN INCINTATOR网络encoderDecodernetwork功能。您可以选择在网络末端包括桥梁连接，跳过连接或其他层。

您还可以通过使用Image Processing Toolbox™中的功能直接创建流行的GAN生成器和鉴别网络。这些网络包括Cyclegan，PatchGan，Pix2PixHD和单元。有关更多信息，请参阅开始使用图像到图像翻译的gan。

也可以看看

||

相关话题