balanceBoxLabels
平衡包围盒标签用于对象检测
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，这些类包含在块图像对象集合中blockedImages．numObservations是否要求街区位置的数量，和blockSize指定块大小。
locationSet= balanceBoxLabels (boxLabels，blockedImages，blockSize，numObservations，名称,值）
例子
在闭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;
创建大小块的图像[500500]．
blockedImages = blockedImage (0 ([500500]));
选择每个观测的图像大小。
blockSize = (50,50);
使用直方图可视化，以识别框标签中的任何类不平衡。
建筑物= boxLabelDatastore (boxLabels);datasetCount = countEachLabel(建筑物);图;h1 =直方图(“类别”, datasetCount。标签,“BinCounts”datasetCount.Count)
h1 = Histogram with properties: Data: [0x0 category] Values: [1 11 11 11 11 11 11 11 1 11] NumDisplayBins: 12 Categories: {1x12 cell} DisplayOrder: 'manual' Normalization: 'count' DisplayStyle: 'bar' FaceColor: 'auto' EdgeColor:[0 0 0]显示所有属性
测量盒子标签的分布。如果变异系数大于1，则存在阶级不平衡。
cvBefore =性病(datasetCount.Count) /意味着(datasetCount.Count)
cvBefore = 1.5746
通过寻找每个类的计数的平均值乘以类的数量，选择观察数量的启发式值。
numClasses =身高(datasetCount);nummobations = mean(datasetCount.Count) * numClasses;
控制一个盒子的数量可以削减使用OverlapThreshold．使用较低的阈值将在块的边界切割更多的对象。增加此值可以减少对象在边框上的剪切量，但会牺牲不均衡的框标签。
ThresholdValue = 0.5;
平衡boxLabels使用balanceBoxLabels函数。
locationSet = balanceBoxLabels (boxLabels blockedImages blockSize,．..numObservations,“OverlapThreshold”, ThresholdValue);
平衡箱标签为1的图像 [==================================================] 100年 % [==================================================] 100%平衡箱标签完成。
计算包含在图像块中的标签。
bldsBalanced = boxLabelDatastore (boxLabels locationSet);balancedDatasetCount = countEachLabel (bldsBalanced);
叠加另一个直方图对原始标签计数，看看盒子标签是否平衡。如果通过查看直方图显示标签不平衡，则增加值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(重叠阈值:”+ ThresholdValue +“)”）;传奇(h2。家长,{“之前”，“后”}）;
测量新的平衡盒标签的分布。
cvAfter =性病(balancedCount) /意味着(balancedCount)
cvAfter = 0.4588
输入参数
boxLabels- - - - - -标记边界框数据
两列表
标记为边界框数据，指定为具有两列的表。
第一列包含包围框，并且必须是单元格向量。单元格向量中的每个元素包含米- × 4矩阵的格式[x，y，宽度，高度]米盒子。
第二列必须是包含对应于每个边界框的标签名称的单元格向量。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。
要从ground truth数据创建一个盒标签表，
控件创建边界框标签数据存储
objectDetectorTrainingData函数。你可以获得
boxLabels从LabelData返回的框标签数据存储的属性objectDetectorTrainingData， （建筑物。LabelData)．
blockedImages- - - - - -贴上了照片
的数组blockedImage对象
标记的块图像，指定为blockedImage包含像素标签图像的对象。
blockSize- - - - - -块大小
正整数的两元素行向量
读取数据的块大小，指定为正整数的双元素行向量，[numrows，numcols]．第一个元素指定块中的行数。第二个元素指定列的数目。
numObservations- - - - - -块位置数
正整数
要返回的块位置的数目，指定为正整数。
名称-值对的观点
指定可选的逗号分隔的对名称,值参数。的名字参数名和价值为对应值。的名字必须出现在引号内。可以以任意顺序指定多个名称和值对参数Name1, Value1,…,的家．
OverlapThreshold”,' 1 '
输出参数
算法
兼容性的考虑
你也可以从以下列表中选择一个网站:
