最新のリリースでは,このページがまだ翻訳されていません。このページの最新版は英語でご覧になれます。

イメージラベラー

コンピュータービジョンアプリケーションに使用するイメージのラベル付け

このページをすべて展開する

説明

イメージラベラーアプリを使って,イメージの集合のグラウンドトゥルースデータにラベルを付けることができます。このアプリを使用して以下ができます。

四角形の関心領域(ROI)ラベル,ポリライランROIベル,ピクセルROIラベル,およびシーンラベルを定義します。これらのラベルを使って,グラウンドトゥルースデータに対話形式でラベルを付けます。
組み込みの検出または追跡アルゴリズムを使用して,グラウンドトゥルースデータにラベル付けします。
独自のカスタムオートメーションアルゴリズムを記述,インポート,および使用して,グラウンドトゥルースに自動的にラベル付けします。ラベル付け用オートメーションアルゴリズムの作成を参照してください。
視覚的な概要を使用してラベルオートメーションアルゴリズムのパフォーマンスを評価します。グラウンドトゥルースラベルの概要の表示を参照してください。
ラベル付きのグラウンドトゥルースをgroundTruthオブジェクトとしてエクスポートします。このオブジェクトは,システムの検証や,オブジェクト検出器やセマンティックセグメンテーションネットワークの学習に使用できます。オブジェクト検出およびセマンティックセグメンテーション用の学習データを参照してください。

イメージラベラーアプリは,imreadでサポートされるすべてのイメージファイル形式をサポートしています。imreadにファイル形式を追加するには,imformatsを使用します。

このアプリの詳細については,イメージラベラー入門を参照してください。

イメージラベラーアプリを開く

MATLAB^®ツールストリップ:[アプリ]タブで,[イメージ処理とコンピュータービジョン]の下にあるアプリアイコンをクリックします。
MATLABコマンドプロンプト:imageLabelerと入力します。

プログラムによる使用

すべて展開する

`imageLabeler`

imageLabelerでアプリの新しいセッションが開き,イメージのグラウンドトゥルースデータをラベル付けできます。

`imageLabeler (imageFolder)`

imageLabeler (imageFolder)でアプリが開き,imageFolderという名前のフォルダーからすべてのイメージが読み込まれます。

フォルダーの中のイメージは,順序やサイズがばらばらになっている場合があります。ビデオまたはビデオに似た一連の順番付きイメージにラベルを付けるには,代わりにビデオラベラーアプリを使います。

`imageLabeler (imageDatastore)`

imageLabeler (imageDatastore)でアプリが開き,imageDatastoreオブジェクトからすべてのイメージを読み取ります。imageDatastoreファイルはimreadを使用して読み取られます。たとえば,アプリを開いて一時停止標識イメージの集合を読み込む方法は以下です。

stopSignsFolder = fullfile (toolboxdir (“愿景”),“visiondata”,“stopSignImages”);imds = imageDatastore(stopSignsFolder)

`imageLabeler (sessionFile)`

imageLabeler (sessionFile)でアプリが開き,保存されたイメージラベラーセッションsessionFileが読み込まれます。sessionFile入力には,パスとファイル名が含まれます。sessionFileがポイントする垫ファイルには保存されたセッションが含まれます。

アルゴリズム

すべて展開する

ラベルオートメーションアルゴリズムを使用して,アプリ内でのラベル付けを高速化できます。アプリ内で使用する独自のラベルオートメーションアルゴリズムを作成するには,ラベル付け用オートメーションアルゴリズムの作成を参照してください。用意されている組み込みのアルゴリズムのいずれかを使用することもできます。次の手順に従います。

ラベルを付けるデータを読み込み,少なくとも1つのラベル定義を作成します。
アプリのツールストリップで[アルゴリズムの選択]をクリックし,組み込みのオートメーションアルゴリズムのいずれかを選択します。
(自動化)をクリックしてから,自動化ウィンドウの右側のペインにある自動化の手順に従います。

ACF人物検出器

集約チャネル特徴(ACF)を使用して人物を検出し,ラベルを付けます。このアルゴリズムは,関数peopleDetectorACFに基づいています。このアルゴリズムを使用するには,少なくとも1つの四角形ROIラベルを定義しなければなりません.ROIラベルを描画する必要はありません。

アルゴリズムの結果を改善するには,最初に[設定)をクリックします。これらの設定はいずれも変更可能です。

アルゴリズムが使用する事前学習済みの人物検出器モデル-inria - 100 x41的モデルは,法国人データセットを使用して学習済みです。“caltech-50x21”モデルは,加州理工学院的行人データセットを使用して学習されています。
人物検出のためのオーバーラップ率のしきい値(0 ~ 1)-四角形ROIがこのしきい値を超えてオーバーラップすると,アルゴリズムはROIのいずれかを破棄します。
人物検出のための分類スコアのしきい値——スコアを高くすると,アルゴリズムの予測の信頼度が向上します。スコアがこのしきい値を下回る四角形は破棄されます。

ACF車両検出器(自动驾驶的工具箱が必要)

集約チャネル特徴(ACF)を使用して車両を検出し,ラベルを付けます。このアルゴリズムは,関数vehicleDetectorACFに基づいています。このアルゴリズムを使用するには,少なくとも1つの四角形ROIラベルを定義しなければなりません.ROIラベルを描画する必要はありません。

アルゴリズムの結果を改善するには,最初に[設定)をクリックします。これらの設定はいずれも変更可能です。

アルゴリズムが使用する事前学習済みの車両検出器モデル-“众目睽睽”モデルは,車両の前側,後側,左側および右側の遮蔽されていないイメージを使用して学習済みです。“front-rear-view”モデルは,車両の前側と後側のみのイメージを使用して学習済みです。
車両検出のためのオーバーラップ率のしきい値(0 ~ 1)-四角形ROIがこのしきい値を超えてオーバーラップすると,アルゴリズムはROIのいずれかを破棄します。
車両検出のための分類スコアのしきい値——スコアを高くすると,アルゴリズムの予測の信頼度が向上します。スコアがこのしきい値を下回る四角形は破棄されます。

monoCameraオブジェクトをMATLABワークスペースにインポートして,キャリブレーションされた単眼カメラをもつ検出器を構成することもできます。車両の長さと幅の範囲をメートルなどのワールド単位で指定します。