selectStrongestBboxMulticlass
从重叠集群选择最强的多级边框
语法
描述
返回选定的边界框,分数高的信心。函数使用贪婪nonmaximal抑制(NMS)消除重叠边界框的selectedBboxes
= selectStrongestBboxMulticlass (bboxes
,分数
,标签
)bboxes
输入,只有当它们有相同的类标签。
(
此外返回分数、标签和索引与选定的边界框。selectedBboxes
,selectedScores
,selectedLabels
,指数
)= selectStrongestBboxMulticlass (bboxes
,分数
,标签
)
(___)= selectStrongestBboxMulticlass (___,
使用指定的一个或多个额外的选项名称,值
)名称,值
对参数。
例子
运行多级Nonmaximal抑制边界框使用探测器
使用两个不同的模型创建的探测器。这些将用于生成多级检测结果。
detectorInria = peopleDetectorACF (inria - 100 x41的);detectorCaltech = peopleDetectorACF (“caltech-50x21”);
应用探测器。
我= imread (“visionteam1.jpg”);[bboxesInria, scoresInria] =检测(detectorInria,我,“SelectStrongest”、假);[bboxesCaltech, scoresCaltech] =检测(detectorCaltech,我,“SelectStrongest”、假);
创建分类标签为每个每个探测器的结果。
labelsInria = repelem (“法国”元素个数(scoresInria), 1);labelsInria =分类(labelsInria, {“法国”,加州理工学院的});labelsCaltech = repelem (“加州理工学院”元素个数(scoresCaltech), 1);labelsCaltech =分类(labelsCaltech, {“法国”,加州理工学院的});
结合结果从所有探测器的多级检测结果。
allBBoxes = [bboxesInria; bboxesCaltech];allScores = [scoresInria; scoresCaltech];allLabels = [labelsInria; labelsCaltech];
多级非最大抑制运行。
(bboxes、分数、标签)= selectStrongestBboxMulticlass (allBBoxes、allScores allLabels,…“RatioType”,“最小值”,“OverlapThreshold”,0.65);
注释中发现的人。
注释字符串(标签)+ =”:“+字符串(分数);我= insertObjectAnnotation (,“矩形”、bboxes cellstr(注释);imshow (I)标题(检测到人,分数,和标签的)
输入参数
bboxes
- - - - - -边界框
米4矩阵|米5矩阵
边界框,指定为一个米4或米5 nonsparse数字矩阵。米边界框的数量。矩阵的每一行定义了一个边界框是axis-aligned矩形或矩形旋转。此表描述了每个边界框的格式。
边界框 | 描述 |
---|---|
Axis-aligned矩形 | 作为一个定义在空间坐标米4数字矩阵形式的行(xywh),地点:
|
旋转的矩形 | 作为一个定义在空间坐标米5数字矩阵形式的行(xctryctrxlenylen偏航),地点:
|
数据类型:单
|双
|int8
|int16
|int32
|uint8
|uint16
|uint32
分数
- - - - - -信心得分
米1的向量
信心的分数对应的输入边界框,指定为一个米1的向量。的selectStrongestBboxMulticlass
函数使用贪婪的NMS消除重叠边界框,并将信心得分与盒子。更高的分数代表着更高的信心保持边界框。的分数
输入必须是真实的,有限的,和nonsparse。
数据类型:单
|双
|int8
|int16
|int32
|uint8
|uint16
|uint32
标签
- - - - - -标签
米1分类向量|米1数字矢量
标签对应的输入边界框,指定为一个米1分类或数值向量。
数据类型:单
|双
|int8
|int16
|int32
|uint8
|uint16
|uint32
|分类
名称-值参数
指定可选的双参数作为Name1 = Value1,…,以=家
,在那里的名字
参数名称和吗价值
相应的价值。名称-值参数必须出现在其他参数,但对的顺序无关紧要。
R2021a之前,用逗号来分隔每一个名称和值,并附上的名字
在报价。
例子:“RatioType”
,“联盟”
设置“RatioType”
财产“联盟”
。
RatioType
- - - - - -边界框重叠比率的分母
“联盟”
(默认)|“最小值”
比率类型,指定为特征向量“联盟”
或“最小值”
。
设置比率类型
“联盟”
计算比率之间的交叉领域bboxA
和bboxB
,除以区域联盟的两个。设置比率类型
“最小值”
计算比率之间的交叉领域bboxA
和bboxB
,除以最低的两个边界框区域。
数据类型:字符
OverlapThreshold
- - - - - -重叠率阈值
0.5
(默认)|标量范围(0 1)
重叠率阈值,指定为逗号分隔两人组成的“OverlapThreshold
”和一个标量范围(0 - 1)。重叠率高于阈值时,该函数删除引用框周围的边界框。减少选择的阈值减少边界框。但是,如果你减少阈值太多,你可能会消除框,代表图像中的物体接近彼此。
数据类型:单
|双
NumStrongest
- - - - - -最大数量的最强的盒子
正
(默认)|积极的标量
最大最强的数量框,指定为逗号分隔组成的“NumStrongest”
和正
或积极的标量。使用这个参数来减少处理时间当你有先验知识的最大数量。将值设置为正
选择所有最强的、非重叠边界框。
当标签
输入包含分类标签,您还可以指定一个向量,其中包含的最大最强的箱数为每个类别的标签输入。指定的向量的长度必须相等的数量分类的标签。
输出参数
selectedBboxes
——选择的边界框
米4矩阵|米5矩阵
选定的边界框,作为一个返回米4或米5矩阵。第4单元向量代表axis-aligned矩形和5-element向量代表矩形旋转。
的selectedBbox
输出返回选定的边界框bbox
输入信心得分最高。函数使用nonmaximal抑制消除重叠边界框。
数据类型:单
|双
|int8
|int16
|int32
|uint8
|uint16
|uint32
selectedScores
——大量的选定的边界框
米1的向量
许多选择的边界框,作为一个返回米1的向量。的米配乐的selectedScores
输出对应于米的边界框selectedBboxes
输出。的数据类型selectedScores
的数据类型相匹配分数
。
selectedLabels
-标签的选择的边界框
米1分类向量|米1数字矢量
选定的边界框的标签,作为一个返回米1分类或数值向量。的米th标签selectedLabels
输出对应于米的边界框selectedBboxes
输出。的数据类型selectedLabels
的数据类型相匹配标签
。
指数
-指数选择的边界框
米1的向量
选定的边界框,指数作为一个返回米1的向量。的指数
向量包含指数的选择框bboxes
输入。
数据类型:双
扩展功能
C / c++代码生成
生成C和c++代码使用MATLAB®编码器™。
GPU的代码生成
生成NVIDIA的CUDA®代码®GPU使用GPU编码器™。
使用笔记和限制:
GPU代码生成不支持旋转矩形边界框输入。金宝app
GPU数组
加速代码运行在一个图形处理单元(GPU)使用并行计算工具箱™。
使用笔记和限制:
GPU数组不支持旋转矩形边界框输入。金宝app
版本历史
介绍了R2018a
MATLAB命令
你点击一个链接对应MATLAB命令:
运行该命令通过输入MATLAB命令窗口。Web浏览器不支持MATLAB命令。金宝app
你也可以从下面的列表中选择一个网站:
表现最好的网站怎么走吗
选择中国网站(中文或英文)最佳站点的性能。其他MathWorks国家网站不优化的访问你的位置。