图像分类

为图像分类和基于内容的图像检索（CBIR）系统创建视觉词汇包

通过生成表示图像的视觉单词出现的直方图，将图像分类。使用此直方图（称为视觉单词包）来训练图像类别分类器。

应用程序

图片标识	计算机视觉应用中的标签图像
视频贴标机	计算机视觉应用中的标签视频

`巴戈菲特酒店`	视觉文字袋
`trainImageCategoryClassifier`	训练图像分类分类器
`图像分类分类器`	预测图像类别
`图像数据存储`	图像数据的数据存储

交互式地标记矩形ROI用于对象检测，像素用于语义分割，多边形用于实例分割，场景用于图像分类。

以交互方式标记用于对象检测的矩形ROI、用于语义分割的像素、用于实例分割的多边形以及用于视频或图像序列中图像分类的场景。

您可以将bag of features（BoF）框架用于许多不同类型的图像特征。

使用计算机视觉工具箱™ 通过创建一袋视觉单词来实现图像类别分类的功能。

使用特征包方法进行图像类别分类。这种技巧也常被称为“字包”。视觉图像分类是将类别标签分配给测试图像的过程。类别可能包含表示任何事物的图像，例如，狗、猫、火车、船。

打开实时脚本

使用预训练卷积神经网络（CNN）作为特征提取器来训练图像类别分类器。

打开实时脚本

使用基本形态学运算符和blob分析的组合从视频流中提取信息。在本例中，示例统计每个视频帧中的大肠杆菌数量。请注意，单元格的亮度不同，这使得分割任务更具挑战性。

打开实时脚本

使用形态学操作对视频流中的对象进行计数。

打开实时脚本

下载电子书