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。

crop2dLayer

2 次元トリミング層

説明

2 次元切り取り層は、入力に 2 次元のトリミングを適用します。

この層には次の 2 つの入力があります。

• 'in' — トリミングされる特徴マップ

• 'ref' — トリミング後の出力のサイズ [height width] を決めるのに使用される参照層

この層を作成した後に、この層を layerGraph に追加することで、層を直列に接続できます。トリミング層を他の層に接続するには、入力名を指定して connectLayers を呼び出します。関数 connectLayers は、接続されてネットワークの学習準備が整った LayerGraph オブジェクトを返します。

作成

構文

layer = crop2dLayer(Mode)

layer = crop2dLayer(Location)

layer = crop2dLayer(___,'Name',Name)

説明

layer = crop2dLayer(Mode) は、入力特徴マップをトリミングする層を返し、Mode プロパティを設定します。

layer = crop2dLayer(Location) は、箱型ウィンドウを使用して入力特徴マップをトリミングする層を返し、ウィンドウの位置を表す Location プロパティを設定します。

layer = crop2dLayer(___,'Name',Name) は、トリミング用の層を作成し、オプションの Name プロパティを設定します。

プロパティ

Mode — トリミング モード

'centercrop' (既定値) | 'custom'

トリミング モード。'centercrop' または 'custom' として指定します。

モード	説明
'centercrop'	入力特徴マップの中心にトリミング ウィンドウが配置されます。
'custom'	Location プロパティに基づいてトリミング ウィンドウの位置が決定されます。Location プロパティを 2 要素行ベクトルとして指定した場合、この値が自動的に設定されます。

データ型: char

Location — トリミング ウィンドウの位置

'auto' (既定値) | 2 要素の行ベクトル

トリミング ウィンドウの位置。'auto' または 2 要素行ベクトルとして指定します。

位置	説明
[x y] の形式の 2 要素行ベクトル	トリミング ウィンドウの左上隅が、入力特徴マップの [x y] の位置になります。x は水平方向の位置を表し、y は垂直方向の位置を表します。
'auto'	入力特徴マップの中心にトリミング ウィンドウが配置されます。Mode プロパティを 'centercrop' として指定した場合、この値が自動的に設定されます。

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、関数 trainnet、trainNetwork、assembleNetwork、layerGraph、および dlnetwork は、名前が "" の層に自動的に名前を割り当てます。

Crop2DLayer 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

2 (既定値)

層の入力の数。この層は 2 つの入力をもちます。

データ型: double

InputNames — 入力名

{'in' 'ref'} (既定値)

層の入力名。この層は、'in' および 'ref' という名前の 2 つの入力をもちます。

データ型: cell

NumOutputs — 出力の数

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 として返されます。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

{'out'} (既定値)

この プロパティ は読み取り専用です。

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

データ型: cell

例

2 次元トリミング層の作成

2 次元トリミング層を作成し、layerGraph オブジェクトを使用して両方の入力を接続します。

層を作成します。

layers = [
     imageInputLayer([32 32 3],'Name','image')
     crop2dLayer('centercrop','Name','crop')]

layers = 
  2x1 Layer array with layers:

     1   'image'   Image Input   32x32x3 images with 'zerocenter' normalization
     2   'crop'    Crop 2D       center crop

layerGraph を作成します。crop2dLayer の最初の入力は、イメージ入力層の最初の出力に自動的に接続されます。

lgraph = layerGraph(layers)

lgraph = 
  LayerGraph with properties:

     InputNames: {'image'}
    OutputNames: {1x0 cell}
         Layers: [2x1 nnet.cnn.layer.Layer]
    Connections: [1x2 table]

イメージ入力層を、2 次元トリミング層の "ref" 入力に接続します。

lgraph = connectLayers(lgraph,'image','crop/ref')  

lgraph = 
  LayerGraph with properties:

     InputNames: {'image'}
    OutputNames: {1x0 cell}
         Layers: [2x1 nnet.cnn.layer.Layer]
    Connections: [2x2 table]

アルゴリズム

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、書式化された 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" (spatial、spatial、channel、batch) という書式で表されます。

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、Crop2DLayer 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、その層は書式化されていない 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)
"SSC" (spatial、spatial、channel)	"SSC" (spatial、spatial、channel)

dlnetwork オブジェクトでは、Crop2DLayer オブジェクトもこれらの入力形式と出力形式の組み合わせをサポートします。

入力形式	出力形式
"SSCBT" (spatial、spatial、channel、batch、time)	"SSCBT" (spatial、spatial、channel、batch、time)
"SSCT" (spatial、spatial、channel、time)	"SSCT" (spatial、spatial、channel、time)

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

R2017b で導入

参考

pixelClassificationLayer (Computer Vision Toolbox) | layerGraph | fcnLayers (Computer Vision Toolbox) | segnetLayers (Computer Vision Toolbox) | unetLayers (Computer Vision Toolbox) | trainNetwork | semanticseg (Computer Vision Toolbox) | deeplabv3plusLayers (Computer Vision Toolbox)

トピック

• 深層学習を使用したセマンティック セグメンテーション入門 (Computer Vision Toolbox)
• MATLAB による深層学習