主要内容

boxLabelDatastore

边界框标签数据的数据存储

自从R2019b

扩展所有的页面

描述

的boxLabelDatastore对象为边界框标签创建一个数据存储数据。使用这个对象读取标记边界框对象检测数据。

读取数据从一个边界框标签boxLabelDatastore对象,使用读函数。这个目标函数返回一个单元阵列和两个或三个列。您可以创建一个数据存储,结合了boxLabelDatastore对象与一个ImageDatastore对象使用结合对象的功能。使用数据存储相结合训练对象探测器使用培训等功能trainYOLOv2ObjectDetector和trainFasterRCNNObjectDetector。你可以访问和管理数据存储中的数据使用对象的功能。修改ReadSize属性,您可以使用点符号。

创建

语法

建筑物= boxLabelDatastore (tbln tbl1…)
建筑物= boxLabelDatastore (tbl1,…, tbln bSet)

描述

例子

建筑物= boxLabelDatastore (tbl1,…, tbln)创建一个boxLabelDatastore对象包含标记边界框数据从一个或多个表。

建筑物= boxLabelDatastore (tbl1、……tbln,bSet)创建一个boxLabelDatastore对象从一个bigimage数据通过使用分辨率级别、块大小和块位置指定的块位置bSet。

输入参数

全部展开

标记边界框数据,指定为一个表与一个或多个列。每个表对应一组标签。边界框可以axis-aligned矩形,旋转矩形或长方体。下表描述了边界框的格式。

边界框 描述
Axis-aligned矩形

作为一个定义在空间坐标米4数字矩阵形式的行(xywh),地点:

  • 米是axis-aligned矩形的数量。

  • x和y指定矩形的左上角。

  • w指定矩形的宽度,也就是沿其长度x设在。

  • h指定矩形的高,这是它的长度沿y设在。
旋转的矩形

作为一个定义在空间坐标米5数字矩阵形式的行(xctryctrxlenylen偏航),地点:

  • 米是旋转的数量的矩形。

  • xctr和yctr指定矩形的中心。

  • xlen指定矩形的宽度,也就是沿其长度x设在前旋转。

  • ylen指定矩形的高,这是它的长度沿y设在前旋转。

  • 偏航指定的旋转角度。旋转是clockwise-positive边界框的中心。

方矩形旋转-30度。
长方体

作为一个定义在空间坐标米9数字矩阵形式的行(xctryctrzctrxlenylenzlenxrotyrotzrot),地点:

  • 米长方体的数量。

  • xctr,yctr,zctr指定长方体的中心。

  • xlen,ylen,zlen指定的长方体的长度x设在,y设在,z分别设在前旋转。

  • xrot,yrot,zrot指定的长方体的旋转角度x设在,y设在,z分别设在。的xrot,yrot,zrot旋转角度对立方体的中心度。每个旋转clockwise-positive对相关的空间轴的正方向。函数计算旋转矩阵的假设ZYX股票阶欧拉角(xrotyrotzrot]。

图中显示这些值如何确定一个长方体的位置。
预计长方体

米8向量的形式(x1, y1, w1, h1, x2, y2, w2, h2),地点:

  • 米是标签的帧数。

  • (x1, y1)指定了x,y正面的左上角位置的坐标投影长方体

  • w1指定宽度的正面投影长方体。

  • h1指定高度的正面投影长方体。

  • x2, y2指定了x,y左上角的坐标位置的背面投影长方体。

  • w2指定宽度的背面投影长方体。

  • h2指定高度的背面投影长方体。

图中显示这些值如何确定一个长方体的位置。

标签预计长方体

  • 一个表与一个或多个列:

    所有列包含边界框。每一列必须包含一个细胞向量米——- - - - - -N矩阵。米的图片和数量吗N代表一个对象类,如stopSign,carRear,或carFront。

  • 一个表有两列。

    第一列包含边界框。第二列必须是一个细胞向量包含标签名称对应于每一个边界框。每个元素必须是在细胞中向量米1分类或字符串向量,米代表的数量标签。

创建一个地面真值表,使用图片标志或贴标签机视频应用。创建一个表的训练数据生成的地面实况,使用objectDetectorTrainingData函数。

数据类型:表

块位置,指定为一个blockLocationSet对象。您可以创建这个对象使用balanceBoxLabels函数。

属性

全部展开

这个属性是只读的。

标记边界框数据,指定为一个N2细胞矩阵N图像。第一列必须是一个细胞包含边界框的向量。细胞中的每个元素包含一个向量代表一个axis-aligned矩形,矩形旋转,或一个长方体。第二列必须是一个细胞向量包含标签名称对应于每一个边界框。一个米1分类向量代表每个标签名称。

边界框的描述

边界框 细胞向量 格式
Axis-aligned矩形 米4对米边界框 (x,y,宽度,高度]
旋转的矩形 米5对米边界框 (xcenter,ycenter,宽度,高度,偏航]
长方体 米9的米边界框 (xcenter,ycenter,zcenter,宽度,高度,深度,处方,变化中,rz]
预计长方体 米8向量为米边界框 (x1,日元,w1,h1,x2,y2,w2,h2]

最大数量的行标签数据的读每个调用读函数,指定为一个正整数。

对象的功能

结合 合并来自多个数据存储的数据
countEachLabel 数出现的像素或盒标签
hasdata 确定数据是否可以读取数据存储
numpartitions 数据存储的分区数量
分区 分区一个标签数据存储
预览 读第一行数据存储的数据
进步 百分比的数据从数据存储中读取
读 从数据存储中读取数据
readall 读取所有数据存储中的数据
重置 数据存储重置为初始状态
洗牌 返回版本的数据存储
子集 创建数据存储或文件集的子集
变换 变换数据存储
isPartitionable 确定是否可分区的数据存储
isShuffleable 确定是否shuffleable数据存储

例子

全部折叠

这个示例使用:

打开生活的脚本

这个例子展示了如何使用一个表包含估计锚箱的训练数据。第一列包含训练图像和其余列包含标记的边界框。

data =负载(“vehicleTrainingData.mat”);trainingData = data.vehicleTrainingData;

创建一个boxLabelDatastore对象使用训练数据的标记的边界框。

建筑物= boxLabelDatastore (trainingData(:, 2:结束));

估计锚箱使用boxLabelDatastore对象。

numAnchors = 5;anchorBoxes = estimateAnchorBoxes(建筑物、numAnchors);

指定图像大小。

inputImageSize = (128228 3);

指定类的数量来检测。

numClasses = 1;

使用pretrained YOLO v2意思ResNet-50网络作为基础网络的网络。

网络= resnet50 ();

指定要使用的网络层特征提取。您可以使用analyzeNetwork函数名称在网络看到所有的层。

featureLayer =“activation_49_relu”;

创建YOLO v2意思对象检测网络。

lgraph = yolov2Layers (inputImageSize numClasses anchorBoxes,网络,featureLayer)
lgraph = LayerGraph属性:层:[182×1 nnet.cnn.layer.Layer]连接:[197×2表]InputNames: {“input_1”} OutputNames: {“yolov2OutputLayer”}

可视化网络使用网络分析仪。

analyzeNetwork (lgraph)
打开生活的脚本

加载一个汽车类训练数据表,其中包含边界盒子和标签。

data =负载(“vehicleTrainingData.mat”);trainingData = data.vehicleTrainingData;

fullpath添加到本地车辆数据文件夹。

dataDir = fullfile (toolboxdir (“愿景”),“visiondata”);trainingData。imageFilename = fullfile (dataDir trainingData.imageFilename);

创建一个imageDatastore表中的对象使用的文件名。

imd = imageDatastore (trainingData.imageFilename);

创建一个boxLabelDatastore使用与标签数据表对象。

建筑物= boxLabelDatastore (trainingData(:, 2:结束));

结合imageDatastore和boxLabelDatastore对象。

cd =结合(imd,建筑物);

读取数据进行训练。使用读目标函数返回图像边界框和标签。

读(cds)
ans =1×3单元阵列{128 x228x3 uint8}{【126 78 20 16】}{[汽车]}
打开生活的脚本

加载一个汽车类训练数据表,其中包含边界盒子和标签。

负载(“vehicleTrainingData.mat”);

加载一个停车标志和汽车类训练数据表包含边界框和标签。

负载(“stopSignsAndCars.mat”);

从训练数据创建地面真值表。

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

创建一个boxLabelDatastore与车辆对象使用两个表:一个标签数据和其他汽车停车标志和标签数据。

建筑物= boxLabelDatastore (vehiclesTbl stopSignsTbl);

创建一个imageDatastore对象使用训练数据表的文件名。

dataDir = fullfile (toolboxdir (“愿景”),“visiondata”);vehicleFiles = fullfile (dataDir vehicleTrainingData.imageFilename);stopSignFiles = fullfile (dataDir stopSignsAndCars.imageFilename);imd = imageDatastore ([vehicleFiles; stopSignFiles]);

结合imageDatastore和boxLabelDatastore对象。

cd =结合(imd,建筑物);

读取数据进行训练。使用读目标函数返回图像边界框和标签。

读(cds)
ans =1×3单元阵列{128 x228x3 uint8}{【126 78 20 16】}{[汽车]}

版本历史

介绍了R2019b

全部展开

另请参阅

应用程序

功能

对象

主题