imageInputLayer

Capa de entrada de imagen

Descripción

Una capa de entrada de imagen introduce imágenes 2D en una red neuronal y aplica normalización de datos.

Para una entrada de imagen 3D, utilice image3dInputLayer.

Creación

Sintaxis

layer = imageInputLayer(inputSize)

layer = imageInputLayer(inputSize,Name=Value)

Descripción

layer = imageInputLayer(inputSize) devuelve una capa de entrada de imagen y especifica la propiedad InputSize.

layer = imageInputLayer(inputSize,Name=Value) establece las propiedades opcionales Normalization, NormalizationDimension, Mean, StandardDeviation, Min, Max, SplitComplexInputs y Name usando uno o más argumentos nombre-valor.

Propiedades

Entrada de imagen

InputSize — Tamaño de la entrada

vector fila de enteros

Esta propiedad o parámetro es de solo lectura.

Tamaño de los datos de entrada, especificado como un vector fila de enteros [h w c], donde h, w y c corresponden a la altura, la anchura y el número de canales de las imágenes, respectivamente.

• Para imágenes en escala de grises, especifique un vector con c igual a 1.

• Para imágenes en RGB, especifique un vector con c igual a 3.

• Para imágenes multiespectrales o hiperespectrales, especifique un vector con c igual al número de canales.

Para una entrada de volumen o imagen 3D, utilice image3dInputLayer.

Normalization — Normalización de datos

"zerocenter" (predeterminado) | "zscore" | "rescale-symmetric" | "rescale-zero-one" | "none" | identificador de función

Esta propiedad o parámetro es de solo lectura.

Normalización de datos para aplicar cada vez que los datos se propagan hacia adelante a través de la capa de entrada, especificada como una de las siguientes:

• "zerocenter": restar la media especificada por Mean.

• "zscore": restar la media especificada por Mean y dividir por StandardDeviation.

• "rescale-symmetric": cambiar la escala de la entrada para que esté en el intervalo [-1, 1] empleando los valores mínimo y máximo especificados por Min y Max, respectivamente.

• "rescale-zero-one": cambiar la escala de la entrada para que esté en el intervalo [0, 1] empleando los valores mínimo y máximo especificados por Min y Max, respectivamente.

• "none": no normalizar los datos de entrada.

• Identificador de función: normalizar los datos empleando la función especificada. La función debe tener la forma Y = f(X), donde X es el dato de entrada y la salida Y es el dato normalizado.

Sugerencia

De forma predeterminada, el software calcula automáticamente las estadísticas de normalización cuando se utiliza la función trainnet. Para ahorrar tiempo durante el entrenamiento, especifique las estadísticas necesarias para la normalización y configure la opción ResetInputNormalization en trainingOptions como 0 (false).

El objeto ImageInputLayer almacena esta propiedad como un vector de caracteres o un identificador de función.

NormalizationDimension — Dimensión de normalización

"auto" (predeterminado) | "channel" | "element" | "all"

Dimensión de normalización, especificada como una de las siguientes opciones:

• "auto": si la opción de entrenamiento es 0 (false) y especifica cualquiera de las estadísticas de normalización (Mean, StandardDeviation, Min o Max), normalizar las dimensiones que coinciden con las estadísticas. De lo contrario, volver a calcular las estadísticas en el momento del entrenamiento y aplicar la normalización por canal.

• "channel": normalización por canal.

• "element": normalización por elemento.

• "all": normalizar todos los valores utilizando estadísticas escalares.

El objeto ImageInputLayer almacena esta propiedad como un vector de caracteres.

Mean — Media para normalización cero a centro y puntuación Z

[] (predeterminado) | Arreglo 3D | Escalar numérico

Media para normalización cero a centro y puntuación Z, especificada como un arreglo de h por w por c, un arreglo de medias de canal de 1 por 1 por c, un escalar numérico o [], donde h, w y c corresponden a la altura, la anchura y el número de canales de la media, respectivamente.

Para especificar la propiedad Mean, la propiedad Normalization debe ser "zerocenter" o "zscore". Si Mean es [], el software establece automáticamente la propiedad en el momento del entrenamiento o la inicialización:

• La función trainnet calcula la media con los datos de entrenamiento y utiliza el valor resultante.

• La función initialize y la función dlnetwork cuando la opción Initialize es 1 (true) establecen la propiedad en 0.

Tipos de datos: single | double | int8 | int16 | int32 | int64 | uint8 | uint16 | uint32 | uint64

StandardDeviation — Desviación estándar para normalización de puntuación Z

[] (predeterminado) | Arreglo 3D | Escalar numérico

Desviación estándar para normalización de puntuación Z, especificada como un arreglo de h por w por c, un arreglo de medias de canal de 1 por 1 por c, un escalar numérico o [], donde h, w y c corresponden a la altura, la anchura y el número de canales de la desviación estándar, respectivamente.

Para especificar la propiedad StandardDeviation, la propiedad Normalization debe ser "zscore". Si StandardDeviation es [], el software establece automáticamente la propiedad en el momento del entrenamiento o la inicialización:

• La función trainnet calcula la desviación estándar con los datos de entrenamiento y utiliza el valor resultante.

• La función initialize y la función dlnetwork cuando la opción Initialize es 1 (true) establecen la propiedad en 1.

Tipos de datos: single | double | int8 | int16 | int32 | int64 | uint8 | uint16 | uint32 | uint64

Min — Valor mínimo para reescalar

[] (predeterminado) | Arreglo 3D | Escalar numérico

Valor mínimo para reescalar, especificado como un arreglo de h por w por c, un arreglo de valores mínimos por canal de 1 por 1 por c, un escalar numérico o [], donde h, w y c corresponden a la altura, la anchura y el número de canales de los valores mínimos, respectivamente.

Para especificar la propiedad Min, la Normalization debe ser "rescale-symmetric" o "rescale-zero-one". Si Min es [], el software establece automáticamente la propiedad en el momento del entrenamiento o la inicialización:

• La función trainnet calcula el valor mínimo con los datos de entrenamiento y utiliza el valor resultante.

• La función initialize y la función dlnetwork cuando la opción Initialize es 1 (true) establecen la propiedad en -1 y 0 cuando Normalization es "rescale-symmetric" y "rescale-zero-one", respectivamente.

Tipos de datos: single | double | int8 | int16 | int32 | int64 | uint8 | uint16 | uint32 | uint64

Max — Valor máximo para reescalar

[] (predeterminado) | Arreglo 3D | Escalar numérico

Valor máximo para reescalar, especificado como un arreglo de h por w por c, un arreglo de valores máximos por canal de 1 por 1 por c, un escalar numérico o [], donde h, w y c corresponden a la altura, la anchura y el número de canales de los valores máximos, respectivamente.

Para especificar la propiedad Max, la Normalization debe ser "rescale-symmetric" o "rescale-zero-one". Si Max es [], el software establece automáticamente la propiedad en el momento del entrenamiento o la inicialización:

• La función trainnet calcula el valor máximo con los datos de entrenamiento y utiliza el valor resultante.

• La función initialize y la función dlnetwork cuando la opción Initialize es 1 (true) establecen la propiedad en 1.

Tipos de datos: single | double | int8 | int16 | int32 | int64 | uint8 | uint16 | uint32 | uint64

SplitComplexInputs — Marcador para dividir datos de entrada en componentes reales e imaginarios

0 (false) (predeterminado) | 1 (true)

Esta propiedad o parámetro es de solo lectura.

Marcador para dividir datos de entrada en componentes reales e imaginarios, especificado como uno de estos valores:

• 0 (false): no dividir los datos de entrada.

• 1 (true): dividir los datos de entrada en componentes reales e imaginarios.

Cuando SplitComplexInputs es 1, entonces la capa produce el doble de canales que los datos de entrada que existen. Por ejemplo, si los datos de entrada tienen valores complejos con numChannels canales, entonces la capa produce datos con 2*numChannels canales, donde los canales 1 a numChannels contienen los componentes reales de los datos de entrada y los canales numChannels+1 a 2*numChannels contienen los componentes imaginarios de los datos de entrada. Si los datos de entrada son reales, entonces los canales numChannels+1 a 2*numChannels son todos cero.

Para introducir datos de valores complejos en una red neuronal, la opción SplitComplexInputs de la capa de entrada debe ser 1 (true).

Para ver un ejemplo de cómo entrenar una red con datos con valores complejos, consulte Train Network with Complex-Valued Data.

Capa

Name — Nombre de la capa

"" (predeterminado) | vector de caracteres | escalar de cadena

Nombre de la capa, especificado como un vector de caracteres o un escalar de cadena. Para entradas en forma de arreglo Layer, las funciones trainnet y dlnetwork asignan automáticamente nombres a las capas con el nombre "".

El objeto ImageInputLayer almacena esta propiedad como un vector de caracteres.

Tipos de datos: char | string

NumInputs — Número de entradas

0 (predeterminado)

Esta propiedad o parámetro es de solo lectura.

Número de entradas de la capa. La capa no tiene entradas.

Tipos de datos: double

InputNames — Nombres de las entradas

{} (predeterminado)

Esta propiedad o parámetro es de solo lectura.

Nombres de las entradas de la capa. La capa no tiene entradas.

Tipos de datos: cell

NumOutputs — Número de salidas

1 (predeterminado)

Esta propiedad o parámetro es de solo lectura.

Número de salidas de la capa, devuelto como 1. Esta capa solo tiene una salida.

Tipos de datos: double

OutputNames — Nombres de salida

{'out'} (predeterminado)

Esta propiedad o parámetro es de solo lectura.

Nombres de salida, devueltos como {'out'}. Esta capa solo tiene una salida.

Tipos de datos: cell

Ejemplos

Crear una capa de entrada de imagen

Cree una capa de entrada de imagen para imágenes en color de 28 por 28.

inputlayer = imageInputLayer([28 28 3])

inputlayer = 
  ImageInputLayer with properties:

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

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

Incluya una capa de entrada de imagen en un arreglo Layer.

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

Algoritmos

Formatos de salida de la capa

Las capas en un arreglo de capas o en una gráfica de capas pasan datos a las capas posteriores como objetos dlarray con formato. El formato de un objeto dlarray es una cadena de caracteres, en la que cada carácter describe la dimensión correspondiente de los datos. Los formatos constan de uno o más de estos caracteres:

• "S": espacial

• "C": canal

• "B": lote

• "T": tiempo

• "U": sin especificar

Por ejemplo, los datos de imagen 2D que están representados como arreglo 4D, donde las dos primeras dimensiones corresponden a las dimensiones espaciales de las imágenes, la tercera dimensión corresponde a los canales de las imágenes y la cuarta dimensión corresponde a la dimensión de lote, pueden describirse como datos con formato "SSCB" (espacial, espacial, canal, lote).

La capa de entrada de una red especifica la distribución de los datos que espera la red. Si tiene datos dispuestos de otra manera, especifique la distribución usando la opción de entrenamiento InputDataFormats.

La capa introduce arreglos de h por w por c por N en la red, donde h, w y c son la altura, el ancho y el número de canales de las imágenes, respectivamente, y N es el número de imágenes. En esta disposición, los datos tienen el formato "SSCB" (espacial, espacial, canal, lote).

Referencias

[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.

Capacidades ampliadas

Generación de código C/C++

Genere código C y C++ mediante MATLAB® Coder™.

Notas y limitaciones de uso:

• La generación de código no admite el tipo de datos Normalization especificado usando un identificador de función.

• La generación de código no admite la entrada compleja ni la opción SplitComplexInputs.

Generación de código de GPU

Genere código CUDA® para GPU NVIDIA® mediante GPU Coder™.

Notas y limitaciones de uso:

• La generación de código no admite el tipo de datos Normalization especificado usando un identificador de función.

• La generación de código no admite la entrada compleja ni la opción SplitComplexInputs.

Historial de versiones

Introducido en R2016a

R2019b: La propiedad AverageImage se eliminará

AverageImage se eliminará. En su lugar, use Mean. Para actualizar el código, reemplace todas las instancias de AverageImage con Mean. No existen diferencias entre las propiedades que requieren actualizaciones adicionales en su código.

R2019b: imageInputLayer y image3dInputLayer, de forma predeterminada, usan normalización por canal

A partir de la versión R2019b, imageInputLayer y image3dInputLayer, de forma predeterminada, usan normalización por canal. En versiones anteriores, estas capas usan normalización por elemento. Para reproducir este comportamiento, establezca la opción NormalizationDimension de estas capas en 'element'.

R2018a: No se recomienda el uso de DataAugmentation

No se recomienda el uso de la propiedad DataAugmentation. Para preprocesar imágenes con recorte, reflexión y otras transformaciones geométricas, utilice augmentedImageDatastore en su lugar.

Consulte también

trainnet | trainingOptions | dlnetwork | convolution2dLayer | fullyConnectedLayer | maxPooling2dLayer | augmentedImageDatastore | image3dInputLayer | Deep Network Designer | featureInputLayer

Temas

• Crear una red neuronal de deep learning sencilla para clasificación
• Entrenar una red neuronal convolucional para regresión
• Deep learning en MATLAB
• Lista de capas de deep learning