图片标识

为计算机视觉应用的标签图像

在第页中展开全部

描述

这个图片标识应用程序，使您能够标签地面真相数据的图像集合。使用该应用程序，你可以:

定义矩形感兴趣区域（ROI）标签、多段线ROI标签、像素ROI标签和场景标签。使用这些标签以交互方式标记地面实况数据。
使用内置检测或跟踪算法标记地面真实数据。
写，导入，并使用您自己的自定义自动化算法自动标签地面真理。看到创建标签的自动化算法．
使用可视化摘要评估标签自动化算法的性能。看到查看Ground Truth标签摘要．
输出标记的地面真理作为groundTruth对象您可以将此对象用于系统验证或对象检测器或语义分割网络的培训。看见用于目标检测和语义分割的训练数据．

这个图片标识应用程序金宝app支持由支持的所有图像文件格式imread．要读取其他文件格式，您可以创建imageDatastore并使用ReadFcn所有物

要了解有关此应用的更多信息，请参阅开始使用图像标签．

打开图像标签应用程序

MATLAB^®工具条：在应用程序选项卡，在下面图像处理与计算机视觉，单击应用程序图标。
MATLAB命令提示符:输入imageLabeler．

程序化使用

全部展开

`imageLabeler`

imageLabeler打开应用程序的新会话，使您能够在图像中标记地面真相数据。

`imageLabeler (imageFolder)`

imageLabeler (imageFolder)打开应用程序并从命名的文件夹加载所有的图像图像文件夹．

文件夹中的图像可以是无序的，大小也可以不同。要为一个视频或一组类似于视频的有序图像添加标签，请使用视频贴标机而不是应用程序。

`imageLabeler (imageDatastore)`

imageLabeler (imageDatastore)打开应用程序并读取应用程序中的所有图像imageDatastore对象这个ReadFcn财产的imageDatastore对象指定如何读取数据。

例如，要打开包含停车标志图像集合的应用程序，请执行以下操作：

stopSignsFolder = fullfile (toolboxdir (“愿景”)，“视觉数据”,“停止签名”）;imds = imageDatastore(stopSignsFolder) imageLabeler(imds)

`imageLabeler (sessionFile)`

imageLabeler (sessionFile)打开应用程序并加载已保存的图片标识会话,sessionFile．这个sessionFile输入包含路径和文件名sessionFile指向包含已保存会话的。

更多关于

全部展开

ROI标签、子标签和属性

在应用程序的左侧ROI标签窗格包含可以在框架上标记的感兴趣区域（ROI）标签定义。可以直接从此窗格创建标签定义。或者，可以使用labelDefinitionCreator对象，然后将这些标签定义导入到应用程序会话中。

该应用程序支持R金宝appOI标签、子标签和属性的定义。

ROI标签

一ROI标签是信号帧中对应感兴趣区域(ROI)的标签。该表描述了支持的标签类型。金宝app

ROI标签	描述	例如:驾驶场景
`矩形`	在对象周围绘制矩形ROI标签(包围框)。	车辆、行人、路标
`预计长方体`	绘制立方体ROI标签(三维包围盒)。
`线`	绘制线性ROI标签以表示线。要绘制多段线ROI，请使用两个或多个点。	车道边界、护栏、路缘石
`像素标签`	为像素分配标签进行语义分割。您可以使用多边形、笔刷或泛填充手工标记像素。有关像素标记的更多信息，请参见标记像素用于语义分割．	车辆、路面、树木、路面

ROI子标签

一ROI sublabel是属于父标签的ROI标签。使用ROI子标签可提供有关已标记地面真实数据中ROI的更详细信息。例如车辆标签可能包含头灯,牌照,轮sublabels。只能为矩形和折线标签创建子标签。有关子标签的详细信息，请参见使用子标签和属性标签地面真实数据．

ROI属性

一ROI属性指定有关ROI标签或子标签的附加信息。例如，在驾驶场景中，属性可能包括车辆的类型或颜色。该表描述了支持的属性类型。金宝app

属性类型	示例属性定义	样本的默认值
`数值`
`一串`
`必然的`
`列表`

有关属性的详细信息，请参见使用子标签和属性标签地面真实数据．

算法

全部展开

您可以使用标签自动算法加快应用程序中的标签速度。要创建自己的标签自动化算法以在应用程序中使用，请参阅创建标签的自动化算法. 您还可以使用提供的内置算法之一。遵循以下步骤：

加载要标记的数据，并创建至少一个标签定义。
在应用程序工具条上，单击选择算法，并选择一个内置的自动化算法。
点击自动化，然后按照自动化窗口右窗格中的自动化说明操作。

ACF人探测器

使用聚合通道特性(ACF)检测和标记人员。这个算法是基于人侦测器作用要使用此算法，必须至少定义一个矩形ROI标签。您不需要绘制任何ROI标签。

要帮助改进算法结果，请首先单击设置. 您可以更改其中任何设置。

算法使用的预先训练过的人检测模型“inria-100x41”使用INRIA人员数据集对模型进行训练“caltech-50x21”模型使用Caltech行人数据集进行训练。
用于检测人的重叠率阈值(从0到1)—当矩形roi重叠率超过该阈值时，算法将丢弃其中一个roi。
检测人的分类评分阈值——增加评分，提高算法的预测置信度。分数低于此阈值的矩形将被丢弃。

ACF车辆检测器（需要自动驾驶工具箱)

使用聚合通道特征(ACF)检测和标记车辆。这个算法是基于vehicleDetectorACF（自动驾驶工具箱）作用要使用此算法，必须至少定义一个矩形ROI标签。您不需要绘制任何ROI标签。

要帮助改进算法结果，请首先单击设置. 您可以更改其中任何设置。

该算法使用的预训练车辆检测器模型“全景”模型使用车辆前部、后部、左侧和右侧的未包含图像进行训练。这个“前后视图”模型仅使用车辆前后侧面的图像进行训练。
重叠率阈值，从0到1，用于检测车辆-当矩形ROI重叠超过该阈值时，算法丢弃其中一个ROI。
检测车辆的分类评分阈值——增加评分以增加算法的预测置信度。分数低于此阈值的矩形将被丢弃。

您还可以通过导入单眼（自动驾驶工具箱）对象进入MATLAB工作空间。指定车辆的长度和宽度范围，以世界单位为单位，例如米。

另见

话题

R2018a中引入

图片标识

描述

打开图像标签应用程序

程序化使用

`imageLabeler`

`imageLabeler (imageFolder)`

`imageLabeler (imageDatastore)`

`imageLabeler (sessionFile)`

更多关于

ROI标签、子标签和属性

算法

ACF人探测器

ACF车辆检测器（需要自动驾驶工具箱)

另见

应用程序

功能

物体

话题

计算机视觉工具箱文档

金宝app

介绍基于MATLAB的深度学习