balanceBoxLabels
平衡包围框标签用于对象检测
语法
描述
locationSet= balanceBoxLabels (boxLabels，blockedImages，blockSize，numObservations）boxLabels，通过对包含较少频繁类的图像块进行过采样，包含在被阻塞图像对象的集合中blockedImages．numObservations是所需的街区位置的数目，和blockSize指定块大小。
locationSet= balanceBoxLabels (boxLabels，blockedImages，blockSize，numObservations，名称,值）
例子
在阻塞图像对象检测中使用的样本块集
加载包含一个图像的框和标签的框标签数据。每个盒子的高度和宽度为[20,20]。
D =负载(“balanceBoxLabelsData.mat”）;boxLabels = d.BoxLabels;
创建大小的块映像[500500]．
blockedImages = blockedImage(零([500,500]));
选择每个观察的图像大小。
blockSize = [50,50];
可视化地使用直方图来识别框标签中的任何类不平衡。
blds = boxLabelDatastore(boxLabels);datasetCount = countEachLabel(blds);图;H1 =直方图(“类别”, datasetCount。标签,“BinCounts”datasetCount.Count)
h1 =带有属性的直方图:数据:[0x0 categorical]值:[1 11 11 11 11 11 1 11]NumDisplayBins: 12类别:{1x12 cell} DisplayOrder: 'manual'归一化:'count' DisplayStyle: 'bar' FaceColor: 'auto' EdgeColor:[0 0 0 0]显示所有属性
测量箱标的分布情况。如果变异系数大于1，则存在阶级不平衡。
cvBefore = std(datasetCount.Count)/mean(datasetCount.Count)
cvBefore = 1.5746
通过找到每个类的计数的平均值，乘以类的数量，选择一个观察数的启发式值。
numClasses = height(datasetCount);numObservations = mean(datasetCount.Count) * numClasses;
控制一个盒子可以切割使用的数量OverlapThreshold．使用较低的阈值将在块的边界上切割更多的对象。增加这个值可以减少对象可以在边界处被剪切的数量，代价是不平衡的框标签。
ThresholdValue = 0.5;
平衡boxLabels使用balanceBoxLabels函数。
locationSet = balanceBoxLabels(boxLabels,blockedImages,blockSize，.．.numObservations,“OverlapThreshold”, ThresholdValue);
[==================================================] 100%厉螨 [==================================================] 100%的运行时间:就是估计剩余时间:就是平衡箱标签完成。
计算图像块中包含的标签。
bldsBalanced = boxLabelDatastore(boxLabels,locationSet);balancedDatasetCount = countEachLabel(bldsBalanced);
将另一个直方图覆盖在原始标签计数上，以查看框标签是否平衡。如果通过查看直方图，标签似乎不平衡，则增加的值numObservations．
持有在；balancedLabels = balancedDatasetCount.Label;balancedCount = balancedDatasetCount.Count;H2 =直方图(“类别”balancedLabels,“BinCounts”, balancedCount);标题(h2。父母,平衡类标签(OverlapThreshold:+ ThresholdValue +“)”）;传奇(h2。家长,{“之前”，“后”})；
测量新平衡的盒标的分布情况。
cvAfter = std(balancedCount)/mean(balancedCount)
cvAfter = 0.4588
输入参数
boxLabels- - - - - -标记包围框数据
有两列的表
标记的包围框数据，指定为具有两列的表。
第一列包含边界框，必须是单元格向量。单元格向量中的每个元素包含米-by-4矩阵，格式为[x，y，宽度，高度]米盒子。
第二列必须是单元格向量，其中包含与每个包围框对应的标签名称。单元格向量中的每个元素必须是米-by-1分类向量或字符串向量。
为了从真实数据中创建一个盒子标签表，
属性创建边界框标签数据存储
objectDetectorTrainingData函数。您可以获取
boxLabels从LabelData属性返回的框标签数据存储objectDetectorTrainingData, (建筑物。LabelData)．
blockedImages- - - - - -标记的阻塞图像
的数组blockedImage对象
的数组指定的标记块图像blockedImage包含像素标签图像的对象。
blockSize- - - - - -块大小
正整数的两元行向量
读取数据的块大小，指定为正整数的两元素行向量，[numrows，numcols］．第一个元素指定块中的行数。第二个元素指定列数。
numObservations- - - - - -块状位置数目
正整数
要返回的块位置数，指定为正整数。
名称-值参数
指定可选参数对为Name1 = Value1,…,以=家,在那里的名字参数名称和价值对应的值。名称-值参数必须出现在其他参数之后，但对的顺序无关紧要。
在R2021a之前，使用逗号分隔每个名称和值，并将其括起来的名字在报价。
例子:＇OverlapThreshold＇，' 1 '
输出参数
算法
版本历史
R2020a中引入
您也可以从以下列表中选择一个网站: