空间变换层

空间变换层[{小时,w个}]

表示将仿射变换应用于大小输入的网络层c（c）×小时0×w个0并返回大小为的输出c（c）×小时×w个.

详细信息和选项

  • 空间变换层公开以下端口以用于NetGraph（网络图形）等。：
  • “输入”三维阵列
    “参数”长度为6的向量
    “输出”三维阵列
  • 空间变换层[…][<|“输入”->在里面,“参数”参数|>]显式计算应用层的输出。
  • 空间变换层[…][<|“输入”->{在里面1,在里面2,…},“参数”->{参数1,参数2,…}|>]显式计算每个在里面我和参数我.
  • 当给出一个数字数组作为输入，输出将是数字数组.
  • 空间变换层通常用于内部NetGraph（网络图形）将稍后的卷积网络的注意力集中在图像的最佳部分以执行特定任务。
  • 当无法从更大网络中的其他层推断时，选项“输入”->{d日1,d日2,d日三}可用于固定的输入尺寸空间变换层.
  • 提供给端口的矢量的六个分量“参数”,{z（z）小时,秒小时,t吨小时,秒v（v）,z（z）v（v）,t吨v（v）}，表示仿射变换矩阵中的参数，其中z（z）我表示缩放，秒我偏度和t吨我翻译和下标小时和v（v）表示水平和垂直。当“参数”是{1,0,0,0,1,0}.
  • 选项[空间变换层]给出了构造层的默认选项列表。选项[空间变换层[…]]给出了在某些数据上评估层的默认选项列表。
  • 问询处[空间变换层[…]]给出了关于该层的报告。
  • 问询处[空间变换层[…],支柱]给出属性的值支柱属于空间变换层[…].可能的属性与的相同NetGraph（网络图形）.

示例

全部打开全部关闭

基本示例  (2)

创建一个空间变换层输出大小为30×30:

创建一个空间变换层需要大小为1的输入×三×3并返回大小为1的输出×2×2:

将层应用于输入：

范围  (1)

创建一个空间变换层其输入是图像并且其输出是图像：

应用空间变换层到具有因子-2缩放变换的图像：

应用空间变换层使用一系列缩放：

应用  (1)

使用卷积神经网络和空间变换层.首先获取培训和测试数据：

定义一个函数，对训练和测试数据应用额外的填充和随机转换：

使用功能创建新的培训和测试数据（这大约需要一分钟）：

创建一个网络，使用图像来预测应用于图像的最佳仿射变换，以提取数字：

创建卷积分类网以使用定位网提取的子图像：

将分类网络和定位网络连接到空间变换层：

训练网络：

如果移除分类网络，则可以可视化空间变换器的效果：

将空间变换器应用于验证集中的一些图像：

获取验证集上网络的准确性：

属性和关系  (1)

应用仿射变换到图像的坐标，使用图像转换:

为构造等效的参数集空间变换层:

Wolfram Research（2017），空间变换层，Wolfram语言函数，https://reference.wolfram.com/language/ref/SpatialTransformationLayer.html。

文本

Wolfram Research（2017），空间变换层，Wolfram语言函数，https://reference.wolfram.com/language/ref/SpatialTransformationLayer.html。

CMS公司

沃尔夫拉姆语言。2017年，“空间转换层”，Wolfram语言与系统文档中心。Wolfram研究。https://reference.wolfram.com/language/ref/SpatialTransformationLayer.html。

亚太地区

沃尔夫拉姆语言。(2017). 空间变换层。Wolfram语言与系统文档中心。检索自https://reference.wolfram.com/language/ref/SpatialTransformationLayer.html

BibTeX公司

@misc{reference.wolfram_2024_spatialtransformationlayer，author=“wolfram Research”，title=“{spatialtransformationlayer}”，year=“2017”，howpublished=“\url{https://reference.jolfram.com/language/ref/spatialtransformationlayer.html}”]}

BibLaTeX公司

@online{reference.wolfram_2024_spatialtransformationlayer，organization={wolfram Research}，title={spatialtransformationlayer}，year={2017}，url={https://reference.jolfram.com/language/ref/spatialtransformationlayer.html}，note=[访问时间：2024年9月21日]}