unetLayersgydF4y2Ba
创建用于语义分割的U-Net层gydF4y2Ba
语法gydF4y2Ba
描述gydF4y2Ba
返回U-Net网络。gydF4y2BalgraphgydF4y2Ba
= unetLayers (gydF4y2Ba图象尺寸gydF4y2Ba
,gydF4y2BanumClassesgydF4y2Ba
)gydF4y2BaunetLayersgydF4y2Ba
在网络中包含一个像素分类层,用于预测输入图像中每个像素的分类标签。gydF4y2Ba
使用gydF4y2BaunetLayersgydF4y2Ba
创建U-Net网络架构。您必须使用深度学习工具箱™功能来训练网络gydF4y2BatrainNetworkgydF4y2Ba
(深度学习工具箱)gydF4y2Ba.gydF4y2Ba
[gydF4y2Ba
也返回U-Net网络的输出大小。gydF4y2BalgraphgydF4y2Ba
,gydF4y2BaoutputSizegydF4y2Ba
) = unetLayers (gydF4y2Ba图象尺寸gydF4y2Ba
,gydF4y2BanumClassesgydF4y2Ba
)gydF4y2Ba
___gydF4y2Ba= unetLayers (gydF4y2Ba
使用一个或多个名称-值对参数指定选项。将每个属性名用引号括起来。例如,gydF4y2Ba图象尺寸gydF4y2Ba
,gydF4y2BanumClassesgydF4y2Ba
,gydF4y2Ba名称,值gydF4y2Ba
)gydF4y2BaunetLayers(图象尺寸、numClasses NumFirstEncoderFilters, 64)gydF4y2Ba
另外将输出通道的数量设置为gydF4y2Ba64gydF4y2Ba
对于第一个编码器阶段。gydF4y2Ba
例子gydF4y2Ba
输入参数gydF4y2Ba
输出参数gydF4y2Ba
更多关于gydF4y2Ba
提示gydF4y2Ba
使用gydF4y2Ba
“相同”gydF4y2Ba
在卷积层中填充以保持从输入到输出的相同数据大小,并允许使用广泛的输入图像大小集。gydF4y2Ba使用基于补丁的方法对大图像进行无缝分割。方法可以提取图像补丁gydF4y2Ba
randomPatchExtractionDatastoregydF4y2Ba
功能在图像处理工具箱™。gydF4y2Ba使用gydF4y2Ba
“有效”gydF4y2Ba
在使用基于补丁的方法进行分割时,填充以防止边界工件。gydF4y2Ba您可以使用使用创建的网络gydF4y2Ba
unetLayersgydF4y2Ba
训练后的GPU代码生成功能gydF4y2BatrainNetworkgydF4y2Ba
(深度学习工具箱)gydF4y2Ba.有关详细信息和示例,请参见gydF4y2Ba深度学习代码生成gydF4y2Ba(深度学习工具箱)gydF4y2Ba.gydF4y2Ba
参考文献gydF4y2Ba
Ronneberger, O. P. Fischer, T. Brox。U-Net:生物医学图像分割的卷积网络。gydF4y2Ba医学图像计算与计算机辅助干预(MICCAI)gydF4y2Ba.2015, Vol. 9351 - 241页。gydF4y2Ba
[2]何凯,张旭,任硕,孙杰。深入研究整流器:在ImageNet分类上超越人类水平的性能。gydF4y2BaIEEE计算机视觉国际会议论文集gydF4y2Ba.2015年,1026 - 1034。gydF4y2Ba
扩展功能gydF4y2Ba
版本历史gydF4y2Ba
介绍了R2018bgydF4y2Ba另请参阅gydF4y2Ba
对象gydF4y2Ba
pixelClassificationLayergydF4y2Ba
|gydF4y2BalayerGraphgydF4y2Ba
(深度学习工具箱)gydF4y2Ba|gydF4y2BaDAGNetworkgydF4y2Ba
(深度学习工具箱)gydF4y2Ba
功能gydF4y2Ba
fcnLayersgydF4y2Ba
|gydF4y2BasegnetLayersgydF4y2Ba
|gydF4y2BatrainNetworkgydF4y2Ba
(深度学习工具箱)gydF4y2Ba|gydF4y2BasemanticseggydF4y2Ba
|gydF4y2Badeeplabv3plusLayersgydF4y2Ba
|gydF4y2BaevaluateSemanticSegmentationgydF4y2Ba
主题gydF4y2Ba
- 基于深度学习的多光谱图像语义分割gydF4y2Ba
- 开始使用深度学习进行语义分割gydF4y2Ba
- MATLAB中的深度学习gydF4y2Ba(深度学习工具箱)gydF4y2Ba