分享地面真相

若要从其中一个标记应用程序导出和共享标记的地面真相数据，请选择出口标签>到文件．然后，直接与团队中的个人共享导出的mat文件，或者将其放置在共享的网络位置中。

如果导出的ground truth数据包含像素标签，应用程序还会生成一个PixelLabelData包含像素标签数据的文件夹。存储在ground truth对象中的标签数据表引用此文件夹的路径。与ground truth对象一起共享此文件夹。

标签应用程序还允许您保存整个应用程序会话的mat文件。请不要共享此文件。由于会话文件包含特定于本地机器的应用程序首选项，因此该文件可能无法在其他机器上工作。

如果你重新导出一个包含像素标签数据的ground truth对象，应用程序将生成一个新的PixelLabelData文件夹中。即使你覆盖了原来的ground truth对象，应用程序也会生成一个新的PixelLabelData文件夹中。当重新导出ground truth对象时，生成的文件夹将被命名PixelLabelData_1，PixelLabelData_2，等等，这取决于将对象重新导出到同一文件夹的次数。

当共享一个基本真理对象时，共享正确的对象PixelLabelData与之关联的文件夹。例如，如果您覆盖了原始的ground truth对象，请共享已覆盖的对象和新创建的对象PixelLabelData_1文件夹中。

除了共享基本真相对象外，还必须共享数据源(或多个数据源)和任何关联文件。这些表显示了每个应用程序中每个数据源要共享的文件。

移动地面真理

在导出的实值对象中数据源属性包含数据源文件的绝对路径。例如，假设您想查看a的路径groundTruth对象,gTruth，从图片标志在MATLAB中^®命令提示符，输入此代码。

gTruth。数据源

ans = groundTruthDataSource的图像集合与属性来源:{'…\matlab\toolbox\vision\visiondata\imageSets\cups\bigMug.jpg';’……\ matlab工具箱\ \愿景\ visiondata \ imageSets \杯\ blueCup.jpg”;\matlab\toolbox\vision\visiondata\imageSets\cups\handMade.jpg还有9个}

要更新这些路径，请使用changeFilePaths函数。将ground truth对象指定为此函数的输入参数。如果路径改变了，但文件名没有改变，则指定一个包含旧路径和新路径的字符串向量。该函数返回它无法解析的任何路径。例如，此代码示例演示如何更改映像文件夹的驱动器号。

alternativePaths = [“C: \ \ ImgFolder共享”“D: \ \ ImgFolder共享”];unresolvedPaths = changefileppaths (gTruth,alternativePaths);

如果文件名也改变了，请指定包含旧路径和新路径的字符串向量的单元格数组。例如，这个代码示例展示了如何更改单个文件的驱动器号，以及如何为每个文件添加后缀。

alternativePaths =.．.{(“C: \ \ ImgFolder \ Img1.png共享”“D: \ \ ImgFolder \ Img1_new.png共享”),.．.［“C: \ \ ImgFolder \ Img2.png共享”“D: \ \ ImgFolder \ Img2_new.png共享”),.．.……［“C: \ \ ImgFolder \ ImgN.png共享”“D: \ \ ImgFolder \ ImgN_new.png共享”]};unresolvedPaths = changefileppaths (gTruth,alternativePaths);

如果ground truth对象包含像素标签数据，还可以使用changeFilePaths函数将路径名称更新为存储在PixelLabelData文件夹中。

存储地面真相

将ground truth对象存储在MATLAB搜索路径上的位置。详情请参见什么是MATLAB搜索路径?．

对于内容位于单个文件夹中的数据源，请考虑将基本真相对象存储在数据源的父文件夹中。对于包含来自不同文件夹的图像的图像集合，没有关于在哪里存储对象的具体建议。要标记图像集合，请使用图片标志应用程序。

提取有标签的视频场景

您可以提取标记的视频场景和相应的标签从groundTruth或groundTruthMultisignal(自动驾驶工具箱)对象导出的贴标签机视频或地面真相标签(自动驾驶工具箱)可以使用数据存储加载的表单中的应用程序。这些标记的视频场景可以用于训练、验证和评估。提取的视频场景使您能够在长视频的特定持续时间上使用视频标签，并应用深度学习技术来检测异常或识别视频中的特定活动。