主要内容

countEachLabel

(不推荐)计算的像素数量为每个类标签bigimageDatastore对象

所有的页面崩溃

的countEachLabel的函数bigimageDatastore不推荐对象。使用countEachLabel相关函数blockedImageDatastore对象。有关更多信息,请参见兼容性的考虑。

语法

数量= countEachLabel (bigds)

描述

例子

计数= countEachLabel (bigds)返回所有的大图像的每个像素标签数量大的图像数据存储bigds。

例子

全部折叠

打开生活的脚本

负载像素标签数据。

负载(“buildingPixelLabeled.mat”);

指定类的像素和像素标签id标签数据。

pixelLabelID = (1 2 3 4);一会= [“天空”“草”“建筑”“人行道”];

创建一个bigimage管理像素标签数据。

bigLabeledImage = bigimage (uint8(标签),“类”一会,“PixelLabelIDs”,pixelLabelID);bigimageshow (bigLabeledImage)

创建一个bigimageDatastore读取块大小200————150像素分辨率最好的水平bigLabeledImage。

水平= 1;blockSize = (200 - 150);biglabelds = bigimageDatastore (bigLabeledImage水平,“BlockSize”,blockSize);

计算像素的数量为每个类标签。

台= countEachLabel (biglabelds)
台=4×3表名字PixelCount BlockPixelCount __________ __________售予“天空”81525 1.58 e + 05“草”32983 51200“建筑”1.8036 e + 05年3.072 e + 05“人行道”10491 51200

平衡类通过使用统一的先验权重。

之前= 1 /元素个数(类名);uniformClassWeights =之前。/ tbl.PixelCount
uniformClassWeights =4×1104×0.0307 0.0758 0.0139 0.2383

利用逆频率加权平衡类。

totalNumberOfPixels =总和(tbl.PixelCount);频率=(资源。PixelCount/ totalNumberOfPixels; invFreqClassWeights = 1./freq
invFreqClassWeights =4×13.7456 9.2580 1.6931 29.1067

利用中值频率加权平衡类。

频率=(资源。PixelCount。/ tbl.BlockPixelCount; medFreqClassWeights = median(freq) ./ freq
medFreqClassWeights =4×11.0689 0.8562 0.9394 2.6917

输入参数

全部折叠

大的图像数据存储,指定为一个bigimageDatastore对象。

输出参数

全部折叠

标签信息,返回一个表,其中包含三个变量。

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一个实例

提示

您可以使用标签返回的信息countEachLabel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:

    imageFreq =(资源。PixelCount。/ tbl.ImagePixelCount classWeights = median(imageFreq) ./ imageFreq

你可以通过类权重计算pixelClassificationLayer(计算机视觉工具箱)。

版本历史

介绍了R2020a

全部展开

另请参阅

(计算机视觉工具箱)|(深度学习工具箱)||