首页 理论教育 神经网络构造方法解析

神经网络构造方法解析

时间:2023-06-25 理论教育 版权反馈
【摘要】:板上Python库中的class nn.load是构造函数,用来构造一个神经网络Net类。net.forward方法用于在图像roi上运行神经网络,必要时会自动缩放,并返回神经网络分类结果的浮点值列表。网络检测器窗口以多种比例滑过图像。返回神经网络检测结果的nn_class对象列表。在图像中的区域上运行之后,将最大检测值超过threshold的对象添加到输出列表中。滑动窗口方法的工作原理是将默认比例1乘以scale_mul,并且结果需要大于min_scale。scale_mul的默认值0.5,测试每个比例变化减少50%。

神经网络构造方法解析

板上Python库中的class nn.load(path)是构造函数,用来构造一个神经网络Net类。它将神经网络从.network二进制模型文件加载到内存中,包括神经网络的层、权值、偏置等。返回一个可以在图像上进行操作的Net对象。

net.forward(image[,roi[,softmax=False[,dry_run=False]]])方法用于在图像roi上运行神经网络,必要时会自动缩放,并返回神经网络分类结果的浮点值列表。

其中,roi是待处理区域的矩形元组(x,y,w,h),仅运算roi中的像素。如果未指定,则它等于图像矩形。如果softmax为True,则列表中所有的输出总和为1。否则,列表中的任何输出都可以在0和1之间。将dry_run设置为True以打印出正在执行的网络层而不是实际执行它们。(www.xing528.com)

net.search(image[,roi[,threshold=0.6[,min_scale=1.0[,scale_mul=0.5[,x_overlap=0[,y_overlap=0[,contrast_threshold=1[,softmax=False]]]]]]]])方法用来以滑动窗口方式在图像roi上运行神经网络。网络检测器窗口以多种比例滑过图像。返回神经网络检测结果的nn_class对象列表。

其中,roi是待处理区域的矩形元组(x,y,w,h),仅运算roi中的像素。如果未指定,则它等于图像矩形。在图像中的区域上运行之后,将最大检测值超过threshold的对象添加到输出列表中。min_scale控制网络模型的缩放比例。在默认值下,网络不会缩放。但是,值为0.5将允许用于检测图像大小为50%的对象。scale_mul控制测试多少个不同的比例。滑动窗口方法的工作原理是将默认比例1乘以scale_mul,并且结果需要大于min_scale。scale_mul的默认值0.5,测试每个比例变化减少50%。但是,0.95的值仅为5%的缩小量。x_overlap控制与滑动窗口的下一个检测区域重叠的百分比。值为零表示没有重叠。值为0.95意味着95%重叠。y_overlap控制与滑动窗口的下一个检测区域重叠的百分比。值为零表示没有重叠。值为0.95意味着95%重叠。contrast_threshold控制跳过图像低对比度区域的阈值。在图像中的某个区域上运行nn之前,将在该区域上计算标准偏差,如果标准偏差低于contrast_threshold,则跳过该区域。如果softmax为True,则列表中所有的输出总和为1。否则,列表中的任何输出都可以在0和1之间。

免责声明:以上内容源自网络,版权归原作者所有,如有侵犯您的原创版权请告知,我们将尽快删除相关内容。

我要反馈