编码

创建视觉词出现的直方图

折叠所有页面

语法

featureVector =编码(包,我)

[featureVector,言语]=编码(袋,我)

featureVector =编码(袋、imd)

[featureVector,言语]=编码(袋、imd)

［＿＿＿) =编码(＿＿＿、名称、值)

描述

例子

featureVector=编码(袋，我）返回一个特征向量，该特征向量表示包含在输入图像中的可视单词出现的直方图，我．输入包包含bagOfFeatures对象。

［featureVector，单词) =编码(袋，我）可选地返回视觉单词作为visualWords对象。的visualWords对象存储在我并存储这些单词的位置。

featureVector=编码(袋，洛桑国际管理发展学院）返回一个特征向量，该特征向量表示包含在洛桑国际管理发展学院．输入袋包含了bagOfFeatures对象。

［featureVector，单词) =编码(袋，洛桑国际管理发展学院）可选地返回数组visualWords出现在洛桑国际管理发展学院．的visualWords对象存储在我并存储这些单词的位置。

［＿＿＿) =编码(＿＿＿，名称,值）使用一个或多个名称-值对设置属性。将每个属性名用引号括起来。例如,编码(SparseOutput,假)

该方法支持多MATLAB金宝app并行计算^®工人。的并行计算计算机视觉工具箱首选项对话框。要打开计算机视觉工具箱™首选项，请在首页选项卡,环境部分中,点击首选项．然后选择计算机视觉的工具箱．

例子

全部折叠

将图像编码为特征向量

打开生活的脚本

加载一组图像。

setDir = fullfile (toolboxdir (“愿景”），“visiondata”，“imageSets”）;imd = imageDatastore (setDir,“IncludeSubfolders”,真的,“LabelSource”，．..“foldernames”）;

从每个标签中选择前两个图像。

trainingSet = splitEachLabel (imd, 2);

创建功能包。

袋= bagOfFeatures (trainingSet);

创建Bag-Of-Features。------------------------- *图像类别1:书籍*图像类别2:杯子*使用Grid方法选择特征点位置。*从选定的特征点位置提取SURF特征。** GridStep为[8 8]，BlockWidth为[32 64 96 128]。*从4张图片中提取特征…完成。提取76800特性。*保留每个类别中80%最强大的功能。*创建500字的视觉词汇。*级别数:1 *分支因子:500 *聚类步骤数:1 * [Step 1/1]聚类词汇等级1*特性数量:61440 *集群数量:500 *初始化集群中心……100.00%。 * Clustering...completed 21/100 iterations (~0.58 seconds/iteration)...converged in 21 iterations. * Finished creating Bag-Of-Features

将其中一幅图像编码为特征向量。

img = readimage (trainingSet, 1);featureVector =编码(袋、img);

使用特征包编码图像。-------------------------------------- * 编码图像做…。

输入参数

全部折叠

`袋`- - - - - -包的功能
`bagOfFeatures`对象

功能包，指定为bagOfFeatures对象。

`我`- - - - - -输入图像
灰度图像|真彩图像

输入图像,我，指定为灰度或真彩色图像。

`洛桑国际管理发展学院`- - - - - -图片
`ImageDatastore`对象

指定为ImageDatastore对象。

名称-值参数

例子:“SparseOutput”,假

`归一化`- - - - - -类型的标准化
`“外语”`(默认)|`“没有”`

应用于特征向量的归一化类型，指定为逗号分隔对，由'归一化”,要么“外语”或“没有”．

`SparseOutput`- - - - - -产量稀少
`假`(默认)|`真正的`

输出稀疏性，指定为逗号分隔对，由'SparseOutput”,是真正的或假．将此属性设置为真正的以稀疏矩阵的形式返回可视的单词直方图。将此属性设置为真正的减少大型可视词汇表的内存消耗，其中可视词汇直方图包含许多零元素。

`详细的`- - - - - -使进度显示在屏幕上
`真正的`(默认)|假

使进度显示在屏幕上，指定为逗号分隔的对，由'详细的'和逻辑的真正的或假．

输出参数

全部折叠

`featureVector`-视觉词出现的直方图
1 -`袋里。VocabularySize`|米——- - - - - -`袋里。VocabularySize`

可视单词出现的直方图，指定为米——- - - - - -袋里。VocabularySize向量,米图片总数在吗洛桑国际管理发展学院，元素个数(imds.Files)．

`单词`-视觉词对象
`visualWords`对象

视觉词对象，作为一个视觉词对象或视觉词对象的数组返回。的visualWords对象存储图像中出现的视觉词，并存储这些词的位置。

扩展功能

自动并行支持金宝app
使用并行计算工具箱™自动并行运行计算，加速代码。

要并行运行，请设置“UseParallel”来真正的或使用计算机视觉工具箱首选项默认启用此选项。

有关更多信息，请参见并行计算工具箱支持金宝app．

另请参阅

bagOfFeatures

介绍了R2014b

编码

语法

描述

例子

将图像编码为特征向量

输入参数

`袋`- - - - - -包的功能
`bagOfFeatures`对象

`我`- - - - - -输入图像
灰度图像|真彩图像

`洛桑国际管理发展学院`- - - - - -图片
`ImageDatastore`对象

名称-值参数

`归一化`- - - - - -类型的标准化
`“外语”`(默认)|`“没有”`

`SparseOutput`- - - - - -产量稀少
`假`(默认)|`真正的`

`详细的`- - - - - -使进度显示在屏幕上
`真正的`(默认)|假

输出参数

`featureVector`-视觉词出现的直方图
1 -`袋里。VocabularySize`|米——- - - - - -`袋里。VocabularySize`

`单词`-视觉词对象
`visualWords`对象

扩展功能

自动并行支持金宝app
使用并行计算工具箱™自动并行运行计算，加速代码。

另请参阅

计算机视觉工具箱文档

金宝app

介绍基于MATLAB的深度学习

编码

语法

描述

例子

将图像编码为特征向量

输入参数

袋- - - - - -包的功能bagOfFeatures对象

我- - - - - -输入图像灰度图像|真彩图像

洛桑国际管理发展学院- - - - - -图片ImageDatastore对象

名称-值参数

归一化- - - - - -类型的标准化“外语”(默认)|“没有”

SparseOutput- - - - - -产量稀少假(默认)|真正的

详细的- - - - - -使进度显示在屏幕上真正的(默认)|假

输出参数

featureVector-视觉词出现的直方图1 -袋里。VocabularySize|米——- - - - - -袋里。VocabularySize

单词-视觉词对象visualWords对象

扩展功能

自动并行支持金宝app使用并行计算工具箱™自动并行运行计算，加速代码。

另请参阅

计算机视觉工具箱文档

金宝app

介绍基于MATLAB的深度学习

`袋`- - - - - -包的功能
`bagOfFeatures`对象

`我`- - - - - -输入图像
灰度图像|真彩图像

`洛桑国际管理发展学院`- - - - - -图片
`ImageDatastore`对象

`归一化`- - - - - -类型的标准化
`“外语”`(默认)|`“没有”`

`SparseOutput`- - - - - -产量稀少
`假`(默认)|`真正的`

`详细的`- - - - - -使进度显示在屏幕上
`真正的`(默认)|假

`featureVector`-视觉词出现的直方图
1 -`袋里。VocabularySize`|米——- - - - - -`袋里。VocabularySize`

`单词`-视觉词对象
`visualWords`对象

自动并行支持金宝app
使用并行计算工具箱™自动并行运行计算，加速代码。