主要内容

countEachLabel

数出现的像素或盒标签

所有的页面崩溃

语法

数量= countEachLabel (ds)

描述

例子

计数= countEachLabel (ds)返回一个表,其中包含的像素信息或输入数据存储盒标签和计数,ds。

例子

全部折叠

打开生活的脚本

加载一个表,其中包含边界框和标签的车辆。

负载(“vehicleTrainingData.mat”);

加载一个表,其中包含边界框和标签停车标志和汽车。

负载(“stopSignsAndCars.mat”);

结合地面实况盒子和标签,不包括在第一列图像文件名。

vehiclesTbl = vehicleTrainingData(:, 2:结束);stopSignsTbl = stopSignsAndCars(:, 2:结束);

使用2表,创建一个boxLabelDatastore与车辆标签数据与停车标志和其他标签数据。

建筑物= boxLabelDatastore (vehiclesTbl stopSignsTbl);台= countEachLabel(建筑物)
台=4×3表标签数ImageCount ________ _____ __________汽车336 295 stopSign 42 41 carRear 10 9 carFront 9 8

使用标签创建一个直方图图和相应的标签数量。

柱状图(“类别”tbl.Label,“BinCounts”,tbl.Count);

创建另一个直方图覆盖各自的形象。

持有在;柱状图(“类别”tbl.Label,“BinCounts”,tbl.ImageCount);

图包含一个坐标轴对象。坐标轴对象包含2 categoricalhistogram类型的对象。

这个示例使用:

打开生活的脚本

设置图像的位置和像素标签数据。

dataDir = fullfile (toolboxdir (“愿景”),“visiondata”);imDir = fullfile (dataDir,“建筑”);pxDir = fullfile (dataDir,“buildingPixelLabels”);

创建一个使用地面实况图像像素标签图像数据存储洛桑国际管理发展学院和像素标记图像pxds。

imd = imageDatastore (imDir);一会= [“天空”“草”“建筑”“人行道”];pixelLabelID = (1 2 3 4);一会,pxds = pixelLabelDatastore (pxDir pixelLabelID);

汇总像素标签数量数据集。

台= countEachLabel (pxds)
台=4×3表名字PixelCount ImagePixelCount _______ __________售予{‘天空’}3.1485 1.536 e + e + 05 06{‘草’}1.5979 1.536 e + e + 05 06{“建筑”}1.0312 e + 06 1.536 e + 06{“人行道”}25313 9.216 e + 05

平衡类使用统一之前的权重。

之前= 1 /元素个数(类名);uniformClassWeights = prior. / tbl.PixelCount
uniformClassWeights =4×1105×0.0794 0.1565 0.0242 0.9876

使用逆频率加权平衡类。

totalNumberOfPixels =总和(tbl.PixelCount);频率=(资源。PixelCount/ totalNumberOfPixels; invFreqClassWeights = 1./frequency
invFreqClassWeights =4×14.8632 9.5827 1.4848 60.4900

使用中值频率加权平衡类。

频率=(资源。PixelCount。/ tbl.ImagePixelCount
频率=4×10.2050 0.1040 0.6714 0.0275
medFreqClassWeights =值(频率)。/频率
medFreqClassWeights =4×10.7538 1.4852 0.2301 5.6252

通过类权重使用频率加权中值像素分类层。

层= pixelClassificationLayer (“类”tbl.Name,…“ClassWeights”medFreqClassWeights)
层= PixelClassificationLayer属性:名称:“类:[天空草地建设人行道]ClassWeights: x1双[4]OutputSize:‘汽车’Hyperparameters LossFunction:“crossentropyex”

输入参数

全部折叠

数据存储与培训带安全标签的数据语义分割网络或一个对象检测网络,作为一个指定pixelLabelDatastore,pixelLabelImageDatastore,或boxLabelDatastore对象。

输出参数

全部折叠

标签信息,作为一个表返回。带安全标签的数据表包含三个变量。

为pixelLabelDatastore和pixelLabelImageDatastore输入,计数输出包含:

像素计数变量 描述
的名字 像素标签类名
PixelCount 在课堂上的像素数量
ImagePixelCount 在图像的像素总数类的实例

为boxLabelDatastore输入,计数输出表包含:

盒子计数变量 描述
标签 箱标签类名
数 总数标签类的所有图像
ImageCount 的图片总数包含一个或多个实例的类

提示

的输出countEachLabel可以用来计算类权重类平衡。例如,对于像素数据信息的标签资源描述:

  • 制服类平衡重量每个类,每个包含一个统一的先验概率:

    numClasses =身高(台)= 1 / numClasses之前;classWeights = prior. / tbl.PixelCount

  • 逆频率平衡重量每个类,这样弱势类给出更高的重量:

    totalNumberOfPixels = (tbl.PixelCount)和频率=(资源。PixelCount / totalNumberOfPixels;classWeights = 1. /频率

  • 中值频率平衡重量每个类使用中值频率。每个类定义为中位数(的重量imageFreq)/imageFreq(c),imageFreq(c)代表类的像素的数量除以总数量的像素在图像类的实例(c):

    imageFreq =(资源。PixelCount。/ tbl.ImagePixelCount classWeights = median(imageFreq) ./ imageFreq
    可以传递到计算类权重pixelClassificationLayer。

版本历史

介绍了R2017b

另请参阅

功能

对象