Main Content

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。

imageInputLayer

説明

イメージ入力層は、ニューラル ネットワークに 2 次元イメージを入力し、データ正規化を適用します。

3 次元イメージ入力の場合、image3dInputLayer を使用します。

作成

説明

layer = imageInputLayer(inputSize) はイメージ入力層を返し、InputSize プロパティを指定します。

layer = imageInputLayer(inputSize,Name=Value) は、1 つ以上の名前と値の引数を使用して、オプションの NormalizationNormalizationDimensionMeanStandardDeviationMinMaxSplitComplexInputs、および Name プロパティを設定します。

プロパティ

すべて展開する

イメージ入力

この プロパティ は読み取り専用です。

入力データのサイズ。整数の行ベクトル [h w c] として指定します。ここで、hw、および c はそれぞれ高さ、幅、およびチャネル数に対応します。

  • グレースケール イメージの場合、c1 に等しいベクトルを指定します。

  • RGB イメージの場合、c3 に等しいベクトルを指定します。

  • マルチスペクトル イメージまたはハイパースペクトル イメージの場合、c がチャネル数に等しいベクトルを指定します。

3 次元イメージ入力またはボリューム入力の場合、image3dInputLayer を使用します。

この プロパティ は読み取り専用です。

データが入力層を通じて順伝播されるたびに適用するデータ正規化。次のいずれかに指定します。

  • "zerocenter"Mean によって指定された平均を減算します。

  • "zscore"Mean によって指定された平均を減算し、StandardDeviation で除算します。

  • "rescale-symmetric"Min および Max によってそれぞれ指定された最小値と最大値を使用して、範囲 [-1, 1] に入力を再スケーリングします。

  • "rescale-zero-one"Min および Max によってそれぞれ指定された最小値と最大値を使用して、範囲 [0, 1] に入力を再スケーリングします。

  • "none" — 入力データを正規化しません。

  • 関数ハンドル — 指定した関数を使用してデータを正規化します。関数は、Y = f(X) という形式でなければなりません。ここで、X は入力データ、出力 Y は正規化データです。

入力データが複素数値で、SplitComplexInputs オプションが 0 (false) の場合、Normalization オプションは、"zerocenter""zscore""none"、または関数ハンドルでなければなりません。 (R2024a 以降)

R2024a より前: 複素数値のデータをネットワークに入力するには、SplitComplexInputs オプションが 1 (true) でなければなりません。

ヒント

既定では、ソフトウェアは、関数 trainnet の使用時に正規化統計量を自動的に計算します。学習時に時間を節約するため、正規化に必要な統計量を指定し、trainingOptionsResetInputNormalization オプションを 0 (false) に設定します。

ImageInputLayer オブジェクトは、このプロパティを文字ベクトルまたは関数ハンドルとして格納します。

正規化の次元。次のいずれかに指定します。

  • "auto" – 学習オプションが 0 (false) の場合、いずれかの正規化統計量 (MeanStandardDeviationMin、または Max) を指定し、統計量に一致する次元に対して正規化を行います。そうでない場合、学習時に統計量を再計算し、チャネル単位の正規化を適用します。

  • "channel" – チャネル単位の正規化。

  • "element" – 要素単位の正規化。

  • "all" – スカラーの統計量を使用してすべての値を正規化します。

ImageInputLayer 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。

ゼロ中心正規化および z スコア正規化の平均。h x w x c の配列、チャネルごとの平均から成る 1 x 1 x c の配列、数値スカラー、または [] として指定します。ここで、hw、および c はそれぞれ平均の高さ、幅、およびチャネル数に対応します。

Mean プロパティを指定するには、Normalization プロパティが "zerocenter" または "zscore" でなければなりません。Mean[] の場合、学習時または初期化時にプロパティが自動的に設定されます。

  • 関数 trainnet は、学習データを使用して平均を計算し、結果の値を使用します。

  • Initialize オプションが 1 (true) の場合、関数 initialize および関数 dlnetwork は、プロパティを 0 に設定します。

Mean に複素数値を使用できます。 (R2024a 以降)Mean が複素数値の場合、SplitComplexInputs オプションは 0 (false) でなければなりません。

R2024a より前: 平均を実数部と虚数部に分割し、入力データが実数部と虚数部に分割されるように SplitComplexInputs オプションを 1 (true) に設定します。

データ型: single | double | int8 | int16 | int32 | int64 | uint8 | uint16 | uint32 | uint64
複素数のサポート: あり

z スコア正規化の標準偏差。h x w x c の配列、チャネルごとの平均から成る 1 x 1 x c の配列、数値スカラー、または [] として指定します。ここで、hw、および c はそれぞれ標準偏差の高さ、幅、およびチャネル数に対応します。

StandardDeviation プロパティを指定するには、Normalization プロパティが "zscore" でなければなりません。StandardDeviation[] の場合、学習時または初期化時にプロパティが自動的に設定されます。

  • 関数 trainnet は、学習データを使用して標準偏差を計算し、結果の値を使用します。

  • Initialize オプションが 1 (true) の場合、関数 initialize および関数 dlnetwork は、プロパティを 1 に設定します。

StandardDeviation に複素数値を使用できます。 (R2024a 以降)StandardDeviation が複素数値の場合、SplitComplexInputs オプションは 0 (false) でなければなりません。

R2024a より前: 標準偏差を実数部と虚数部に分割し、入力データが実数部と虚数部に分割されるように SplitComplexInputs オプションを 1 (true) に設定します。

データ型: single | double | int8 | int16 | int32 | int64 | uint8 | uint16 | uint32 | uint64
複素数のサポート: あり

再スケーリングの最小値。h x w x c の配列、チャネルごとの最小値から成る 1 x 1 x c の配列、数値スカラー、または [] として指定します。ここで、hw、および c はそれぞれ最小値の高さ、幅、およびチャネル数に対応します。

Min プロパティを指定するには、Normalization"rescale-symmetric" または "rescale-zero-one" でなければなりません。Min[] の場合、学習時または初期化時にプロパティが自動的に設定されます。

  • 関数 trainnet は、学習データを使用して最小値を計算し、結果の値を使用します。

  • Initialize オプションが 1 (true) の場合、関数 initialize および関数 dlnetwork は、Normalization"rescale-symmetric" の場合はプロパティを -1 に設定し、"rescale-zero-one" の場合はプロパティを 0 に設定します。

データ型: single | double | int8 | int16 | int32 | int64 | uint8 | uint16 | uint32 | uint64

再スケーリングの最大値。h x w x c の配列、チャネルごとの最大値から成る 1 x 1 x c の配列、数値スカラー、または [] として指定します。ここで、hw、および c はそれぞれ最大値の高さ、幅、およびチャネル数に対応します。

Max プロパティを指定するには、Normalization"rescale-symmetric" または "rescale-zero-one" でなければなりません。Max[] の場合、学習時または初期化時にプロパティが自動的に設定されます。

  • 関数 trainnet は、学習データを使用して最大値を計算し、結果の値を使用します。

  • Initialize オプションが 1 (true) の場合、関数 initialize および関数 dlnetwork は、プロパティを 1 に設定します。

データ型: single | double | int8 | int16 | int32 | int64 | uint8 | uint16 | uint32 | uint64

この プロパティ は読み取り専用です。

入力データを実数部と虚数部に分割するためのフラグ。次のいずれかの値として指定します。

  • 0 (false) – 入力データを分割しません。

  • 1 (true) – 入力データを実数部と虚数部に分割します。

SplitComplexInputs1 の場合、層の出力に含まれるチャネル数は、入力データに含まれるチャネル数の 2 倍になります。たとえば、入力データが numChannels 個のチャネルをもつ複素数値の場合、層は 2*numChannels 個のチャネルをもつデータを出力します。このとき、1numChannels 番目のチャネルには入力データの実数部が格納され、numChannels+12*numChannels 番目のチャネルには入力データの虚数部が格納されます。入力データが実数の場合、numChannels+12*numChannels 番目のチャネルはすべて 0 になります。

入力データが複素数値で、SplitComplexInputs0 (false) の場合、層は複素数値のデータを次の層に渡します。 (R2024a 以降)

R2024a より前: 複素数値のデータをニューラル ネットワークに入力するには、入力層の SplitComplexInputs オプションが 1 (true) でなければなりません。

複素数値のデータをもつネットワークに学習させる方法を説明する例については、複素数値データを使用したネットワークの学習を参照してください。

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

ImageInputLayer 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

この プロパティ は読み取り専用です。

層の入力の数。この層には入力がありません。

データ型: double

この プロパティ は読み取り専用です。

層の入力名。この層には入力がありません。

データ型: cell

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

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

すべて折りたたむ

28×28 のカラー イメージのイメージ入力層を作成します。

inputlayer = imageInputLayer([28 28 3])
inputlayer = 
  ImageInputLayer with properties:

                      Name: ''
                 InputSize: [28 28 3]
        SplitComplexInputs: 0

   Hyperparameters
          DataAugmentation: 'none'
             Normalization: 'zerocenter'
    NormalizationDimension: 'auto'
                      Mean: []

Layer 配列にイメージ入力層を含めます。

layers = [
    imageInputLayer([28 28 1])
    convolution2dLayer(5,20)
    reluLayer
    maxPooling2dLayer(2,Stride=2)
    fullyConnectedLayer(10)
    softmaxLayer]
layers = 
  6x1 Layer array with layers:

     1   ''   Image Input       28x28x1 images with 'zerocenter' normalization
     2   ''   2-D Convolution   20 5x5 convolutions with stride [1  1] and padding [0  0  0  0]
     3   ''   ReLU              ReLU
     4   ''   2-D Max Pooling   2x2 max pooling with stride [2  2] and padding [0  0  0  0]
     5   ''   Fully Connected   10 fully connected layer
     6   ''   Softmax           softmax

アルゴリズム

すべて展開する

参照

[1] Krizhevsky, Alex, Ilya Sutskever, and Geoffrey E. Hinton. "ImageNet Classification with Deep Convolutional Neural Networks." Communications of the ACM 60, no. 6 (May 24, 2017): 84–90. https://doi.org/10.1145/3065386

[2] Cireşan, D., U. Meier, J. Schmidhuber. "Multi-column Deep Neural Networks for Image Classification". IEEE Conference on Computer Vision and Pattern Recognition, 2012.

拡張機能

バージョン履歴

R2016a で導入

すべて展開する