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:
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 |
|
残留块 | |
提高采样块 |
|
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
encoderDecodernetwork
|阻止网络
|预处理编码
相关话题
- 开始使用图像到图像翻译的gan
- 深度学习层的清单(深度学习工具箱)