deeplabv3plusLayers

(제거될 예정임) 의미론적 영상 분할을 위한 DeepLab v3+ 컨벌루션 신경망 생성

deeplabv3plusLayers 객체는 향후 릴리스에서 제거될 예정입니다. 대신 deeplabv3plus 함수를 사용하십시오. 자세한 내용은 버전 내역 항목을 참조하십시오.

구문

layerGraph = deeplabv3plusLayers(imageSize,numClasses,network)

layerGraph = deeplabv3plusLayers(___,"DownsamplingFactor",value)

설명

layerGraph = deeplabv3plusLayers(imageSize,numClasses,network)는 지정된 기본 신경망, 클래스 개수, 영상 크기를 갖는 DeepLab v3+ 계층을 반환합니다.

layerGraph = deeplabv3plusLayers(___,"DownsamplingFactor",value)는 다운샘플링 인자(출력 스트라이드)[1]를 8 또는 16으로 추가로 설정합니다. 다운샘플링 인자는 DeepLab v3+의 인코더 섹션에서 입력 영상이 다운샘플링되는 정도를 설정합니다.

예제

ResNet-18을 기반으로 하는 DeepLab v3+ 신경망 만들기

ResNet-18을 기반으로 하는 DeepLab v3+ 신경망을 만듭니다.

imageSize = [480 640 3];
numClasses = 5;
network = "resnet18";
lgraph = deeplabv3plusLayers(imageSize,numClasses,network, ...
             "DownsamplingFactor",16);

신경망을 표시합니다.

analyzeNetwork(lgraph)

입력 인수

imageSize — 신경망 입력 영상 크기

요소를 2개 가진 벡터 | 요소를 3개 가진 벡터

신경망 입력 영상 크기로, 다음으로 지정됩니다.

• [height, width] 형식의 요소를 2개 가진 벡터

• [height, width, 3] 형식의 요소를 3개 가진 벡터 세 번째 요소 3은 RGB에 해당합니다.

numClasses — 클래스 개수

1보다 큰 정수

분류할 신경망의 클래스 개수로, 1보다 큰 정수로 지정됩니다.

network — 기본 신경망

'resnet18' | 'resnet50' | 'mobilenetv2' | 'xception' | 'inceptionresnetv2'

기본 신경망으로, resnet18 (Deep Learning Toolbox), resnet50 (Deep Learning Toolbox), mobilenetv2 (Deep Learning Toolbox), xception (Deep Learning Toolbox) 또는 inceptionresnetv2 (Deep Learning Toolbox)로 지정됩니다. 해당 신경망 애드온을 설치해야 합니다.

출력 인수

layerGraph — DeepLab v3+ 신경망

layerGraph 객체

DeepLab v3+ 신경망으로, 의미론적 영상 분할을 위한 layerGraph (Deep Learning Toolbox) 객체로 반환됩니다. 영상 분할을 위해 신경망에는 인코더-디코더 아키텍처, 팽창된 컨벌루션 및 건너뛰기 연결이 사용됩니다. 의미론적 분할에 신경망을 사용하려면 먼저 trainNetwork (Deep Learning Toolbox) 함수(Deep Learning Toolbox™가 필요함)를 사용하여 신경망을 훈련시켜야 합니다.

알고리즘

• xception (Deep Learning Toolbox) 또는 mobilenetv2 (Deep Learning Toolbox) 기본 신경망을 사용하여 DeepLab v3+ 신경망을 만드는 경우, 아트루스(atrous, 즉 팽창된) 공간 피라미드 풀링(ASPP) 하위 신경망과 디코더 하위 신경망 내에서 심도별로 분리 가능한 컨벌루션이 사용됩니다. 그 외 모든 기본 신경망에는 컨벌루션 계층이 사용됩니다.

• 이 DeepLab v3+ 구현의 ASPP에는 전역 평균값 풀링 계층이 포함되지 않습니다.

참고 문헌

[1] Chen, L., Y. Zhu, G. Papandreou, F. Schroff, and H. Adam. "Encoder-Decoder with Atrous Separable Convolution for Semantic Image Segmentation." Computer Vision — ECCV 2018, 833-851. Munic, Germany: ECCV, 2018.

확장 기능

GPU 코드 생성

GPU Coder™를 사용하여 NVIDIA® GPU용 CUDA® 코드를 생성할 수 있습니다.

사용법 관련 참고 및 제한 사항:

코드 생성을 하려면, 먼저 deeplabv3plusLayers 함수를 사용하여 DeepLab v3+ 신경망을 만들어야 합니다. 그런 다음, 결과로 생성된 lgraph 객체에 trainNetwork 함수를 사용하여 분할을 위해 신경망을 훈련시킵니다. 신경망의 훈련과 평가를 마친 후에는 GPU Coder™를 사용하여 딥러닝 신경망 객체에 대한 코드를 생성할 수 있습니다.

버전 내역

R2019b에 개발됨

R2024b: 경고

deeplabv3plusLayers 객체는 향후 릴리스에서 이 함수가 제거될 예정이라는 경고를 발생시킵니다. 대신 deeplabv3plus 함수를 사용하십시오. deeplabv3plus 함수는 dlnetwork (Deep Learning Toolbox) 객체를 반환하며, 이 객체는 layerGraph 객체에 비해 다음과 같은 이점이 있습니다.

• dlnetwork 객체는 trainnet (Deep Learning Toolbox) 함수를 사용하여 쉽게 훈련시키거나 외부 플랫폼에서 가져올 수 있는, 더 넓은 범위의 신경망 아키텍처를 지원합니다.

• dlnetwork 객체는 더 많은 유연성을 제공합니다. 또한 현재 및 향후 출시될 Deep Learning Toolbox 기능을 통해 더 폭넓은 지원을 제공합니다.

• dlnetwork 객체는 신경망 구축, 예측, 기본 제공 훈련, 압축 및 사용자 지정 훈련 루프를 지원하는 통합 데이터형을 제공합니다.

• 일반적으로 dlnetwork 훈련 및 예측이 DAGNetwork 및 SeriesNetwork 훈련 및 예측보다 빠릅니다.

코드를 업데이트하려면 deeplabv3plusLayers의 인스턴스를 deeplabv3plus 함수로 바꾸십시오. 입력 인수는 변경할 필요가 없습니다.

권장되지 않는 사용법	권장되는 대체 방법
이 예제에서는 deeplabv3plusLayers 함수를 사용하여 DeepLab v3+ 신경망을 생성하며, 이 신경망은 LayerGraph 객체로 반환됩니다. imageSize = [480 640 3]; numClasses = 5; network = "resnet18"; deepLabNetwork = deeplabv3plusLayers(imageSize,numClasses,network, ... DownsamplingFactor=16);	이 예제는 동일한 코드에서 대신 deeplabv3plus 함수를 사용하여 DeepLab v3+ 신경망을 생성하는 것이며, 여기서 신경망은 dlnetwork 객체로 반환됩니다. imageSize = [480 640 3]; numClasses = 5; network = "resnet18"; deepLabNetwork = deeplabv3plus(imageSize,numClasses,network, ... DownsamplingFactor=16);

R2024a: 제거될 예정임

deeplabv3plusLayers 함수는 향후 릴리스에서 제거될 예정입니다.

참고 항목

deeplabv3plus | trainnet (Deep Learning Toolbox) | semanticseg | evaluateSemanticSegmentation

도움말 항목

• 딥러닝을 사용한 의미론적 분할 시작하기
• MATLAB의 딥러닝 (Deep Learning Toolbox)