このページの内容は最新ではありません。最新版の英語を参照するには、ここをクリックします。

adaptiveAveragePooling2dLayer

2 次元適応平均プーリング層

R2024a 以降

説明

2 次元適応平均プーリング層は、入力を矩形のプーリング領域に分割し、各領域の平均を計算することによって、ダウンサンプリングを実行して目的の出力サイズを提供します。

作成

構文

layer = adaptiveAveragePooling2dLayer(outputSize)

layer = adaptiveAveragePooling2dLayer(Name=name)

説明

layer = adaptiveAveragePooling2dLayer(outputSize) は、適応平均プーリング層を作成し、OutputSize プロパティを設定します。

layer = adaptiveAveragePooling2dLayer(Name=name) はオプションの Name プロパティを設定します。たとえば、adaptiveAveragePooling2dLayer(16,Name="adap") は、出力サイズ [16 16] の適応平均プーリング層を作成し、オプションの Name プロパティを設定します。

プロパティ

適応平均プーリング

OutputSize — 出力の次元

2 つの正の整数のベクトル

出力サイズの次元。2 つの正の整数 [sz1 sz2] のベクトルとして指定します。層を作成するときに、OutputSize をスカラーとして指定して、両方の次元に同じ値を使用できます。

例: [12 14] は、1 番目の次元と 2 番目の次元の長さとしてそれぞれ 12 と 14 の出力サイズを指定します。

層

Name — 層の名前

'' (既定値) | 文字ベクトル | string スカラー

層の名前。文字ベクトルまたは string スカラーとして指定します。Layer 配列入力の場合、trainnet 関数および dlnetwork 関数は、名前のない層に自動的に名前を割り当てます。

AdaptiveAveragePooling2DLayer オブジェクトは、このプロパティを文字ベクトルとして格納します。

データ型: char | string

NumInputs — 入力の数

読み取り専用: 1 (既定値)

この プロパティ は読み取り専用です。

層への入力の数。1 として格納されます。この層は単一の入力のみを受け入れます。

データ型: double

InputNames — 入力名

読み取り専用: {'in'} (既定値)

この プロパティ は読み取り専用です。

入力名。{'in'} として格納されます。この層は単一の入力のみを受け入れます。

データ型: cell

NumOutputs — 出力の数

読み取り専用: 1 (既定値)

この プロパティ は読み取り専用です。

層からの出力の数。1 として格納されます。この層には単一の出力のみがあります。

データ型: double

OutputNames — 出力名

読み取り専用: {'out'} (既定値)

この プロパティ は読み取り専用です。

出力名。{'out'} として格納されます。この層には単一の出力のみがあります。

データ型: cell

例

適応平均プーリング層の作成

出力サイズ [12 12]、名前 "adap_avg1" の適応平均プーリング層を作成します。

layer = adaptiveAveragePooling2dLayer(12,Name="adap_avg1")

layer = 
  AdaptiveAveragePooling2DLayer with properties:

          Name: 'adap_avg1'
    OutputSize: [12 12]

   Learnable Parameters
    No properties.

   State Parameters
    No properties.

  Show all properties

Layer 配列に出力サイズ [12 12] の適応平均プーリング層を含めます。層は、指定された出力サイズを提供するために、ストライドとカーネル サイズを自動的に選択します。

layers = [ ...
    imageInputLayer([28 28 1])
    convolution2dLayer(5,20)
    reluLayer
    adaptiveAveragePooling2dLayer(12)
    fullyConnectedLayer(10)
    softmaxLayer]

layers = 
  6×1 Layer array with layers:

     1   ''   Image Input                    28×28×1 images with 'zerocenter' normalization
     2   ''   2-D Convolution                20 5×5 convolutions with stride [1  1] and padding [0  0  0  0]
     3   ''   ReLU                           ReLU
     4   ''   2-D Adaptive Average Pooling   Adaptive average pooling with output size 12x12
     5   ''   Fully Connected                10 fully connected layer
     6   ''   Softmax                        softmax

アルゴリズム

2 次元適応平均プーリング層

2 次元適応平均プーリング層は、入力を矩形のプーリング領域に分割し、各領域の平均を計算することによって、ダウンサンプリングを実行します。

層がプーリングを行う次元は、層の入力によって次のように異なります。

• 2 次元イメージ入力 (2 つの空間次元内のピクセル、ならびにチャネルと観測値に対応する 4 次元のデータ) の場合、層は空間次元でプーリングします。

• 2 次元イメージ シーケンス入力 (2 つの空間次元内のピクセル、ならびにチャネルと観測値とタイム ステップに対応する 5 次元のデータ) の場合、層は 2 つの空間次元でプーリングします。

• 1 次元イメージ シーケンス入力 (1 つの空間次元内のピクセル、ならびにチャネルと観測値とタイム ステップに対応する 4 次元のデータ) の場合、層は空間次元と時間次元でプーリングします。

層の入力形式と出力形式

層配列内または層グラフ内の層は、形式を整えた dlarray オブジェクトとして後続の層にデータを渡します。dlarray オブジェクトの形式は文字列で、各文字はデータ内の対応する次元を表します。この形式には次の文字が 1 つ以上含まれています。

• "S" — 空間

• "C" — チャネル

• "B" — バッチ

• "T" — 時間

• "U" — 指定なし

たとえば、4 次元配列として表された 2 次元イメージ データがあり、最初の 2 つの次元がイメージの空間次元に対応し、3 番目の次元がイメージのチャネルに対応し、4 番目の次元がバッチ次元に対応している場合、このイメージ データは "SSCB" (空間、空間、チャネル、バッチ) という形式で記述できます。

functionLayer オブジェクトを使用するか、関数 forward と関数 predict を dlnetwork オブジェクトと共に使用して、カスタム層の開発などの自動微分ワークフローで、これらの dlarray オブジェクトを操作できます。

次の表は、AdaptiveAveragePooling2DLayer オブジェクトでサポートされている入力形式、および対応する出力形式を示しています。ソフトウェアが nnet.layer.Formattable クラスを継承していないカスタム層、または Formattable プロパティが 0 (false) に設定された FunctionLayer オブジェクトに層の出力を渡す場合、その層は形式を整えていない dlarray オブジェクトを受け取り、この表に示された形式に従って次元が並べられます。ここには一部の形式のみを示します。層では、追加の "S" (空間) 次元または "U" (未指定) 次元をもつ形式など、追加の形式がサポートされている場合があります。

入力形式	出力形式
"SSCB" (spatial、spatial、channel、batch)	"SSCB" (spatial、spatial、channel、batch)
"SCBT" (spatial、channel、batch、time)	"SCBT" (spatial、channel、batch、time)
"SSCBT" (spatial、spatial、channel、batch、time)	"SSCBT" (spatial、spatial、channel、batch、time)
"SSB" (spatial、spatial、batch)	"SSB" (spatial、spatial、batch)
"SSC" (spatial、spatial、channel)	"SSC" (spatial、spatial、channel)
"SCT" (spatial、channel、time)	"SCT" (spatial、channel、time)
"SSCT" (spatial、spatial、channel、time)	"SSCT" (spatial、spatial、channel、time)
"SBT" (spatial、batch、time)	"SBT" (spatial、batch、time)
"SSBT" (spatial、spatial、batch、time)	"SSBT" (spatial、spatial、batch、time)

参照

[1] Nagi, J., F. Ducatelle, G. A. Di Caro, D. Ciresan, U. Meier, A. Giusti, F. Nagi, J. Schmidhuber, L. M. Gambardella. ''Max-Pooling Convolutional Neural Networks for Vision-based Hand Gesture Recognition''. IEEE International Conference on Signal and Image Processing Applications (ICSIPA2011), 2011.

拡張機能

C/C++ コード生成
MATLAB® Coder™ を使用して C および C++ コードを生成します。

GPU コード生成
GPU Coder™ を使用して NVIDIA® GPU のための CUDA® コードを生成します。

バージョン履歴

R2024a で導入

参考

averagePooling2dLayer | convolution2dLayer | globalAveragePooling2dLayer | maxPooling2dLayer

トピック

• 分類用のシンプルな深層学習ニューラル ネットワークの作成
• 回帰用の畳み込みニューラル ネットワークの学習
• MATLAB による深層学習
• 畳み込みニューラル ネットワークの層の指定
• 深層学習層の一覧