润垫标签

平衡包围盒标签用于对象检测

页面上倒塌

句法

locationSet = balanceBoxLabels (boxLabels blockedImages、blockSize numObservations)

locationSet = balanceBoxLabels (boxLabels blockedImages、blockSize numObservations,名称,值)

描述

地点= anderalboxlabels（boxlabels.那BlockedImages.那blocksize那numobservations.）余额绑定框标签，boxlabels.，通过对包含较少频繁类的图像块进行过采样，这些类包含在块图像对象集合中BlockedImages.．numobservations.是否要求街区位置的数量，和blocksize指定块大小。

地点= anderalboxlabels（boxlabels.那BlockedImages.那blocksize那numobservations.那名称,值）使用名称-值参数指定所选块的其他方面。

例子

全部折叠

在闭塞图像对象检测中使用的样本块集

打开生活的脚本

加载包含一个图像的框和标签的标签数据。每个盒子的高度和宽度是[20,20]。

d =负载('batandboxlabelsdata.mat'）;boxLabels = d.BoxLabels;

创建一个封锁的大小图像[500,500]．

blockedImages = blockedImage (0 ([500500]));

选择每个观测的图像大小。

blockSize = (50,50);

使用直方图可视化，以识别框标签中的任何类不平衡。

BLDS = BoxLabeldAtastore（BoxLabels）;datasetcount = counteChentlabel（BLD）;数字;H1 =直方图（“类别”，datasetcount.label，“BinCounts”datasetCount.Count)

H1 =具有属性的直方图：数据：[0x0分类]值：[1 1 1 1 1 1 1 11 1 11 11] NumDisplayBins：12类：{1x12 Cell}显示顺序：'手动'标准化：'Count's DisplayStyle：'BAR'FaceColor：'Auto'Edgecolor：[0 0 0]显示所有属性

衡量箱标签的分布。如果变异的系数超过1，则存在类别不平衡。

cvbefore = std（datasetcount.count）/均值（datasetcount.count）

cvBefore = 1.5746

通过查找每个类的计数的平均值来选择观测数量的启发式值，乘以类数。

numClasses =身高(datasetCount);nummobations = mean(datasetCount.Count) * numClasses;

控制可以使用盒子的金额OverlapThreshold．使用较低的阈值将在块的边界切割更多的对象。增加此值可以减少对象在边框上的剪切量，但会牺牲不均衡的框标签。

阈值= 0.5;

平衡boxlabels.使用润垫标签功能。

locationset = anderalboxLabels（boxlabels，blockedimages，blocksize，......numObservations,'重叠阈值', ThresholdValue);

平衡箱标签为1的图像  [==================================================] 100年 % [==================================================] 100%平衡箱标签完成。

计算包含在图像块中的标签。

bldsBalanced = boxLabelDatastore (boxLabels locationSet);balancedDatasetCount = countEachLabel (bldsBalanced);

覆盖另一个直方图对原始标签计数，以查看框标签是否平衡。如果通过查看直方图，标签似乎不平衡，请增加值numobservations.．

抓住在；balancedLabels = balancedDatasetCount.Label;balancedCount = balancedDatasetCount.Count;h2 =直方图(“类别”balancedLabels,“BinCounts”, balancedCount);标题(h2。父母,“平衡课程标签（重叠阈值：”+ ThresholdValue +“）”）;传奇（H2.Parent，{'前'那“后”}）;

图中包含一个坐标轴。标题为平衡类标签的轴(OverlapThreshold: 0.5)包含2个类别直方图对象。这些对象表示Before和After。

衡量新的Baanced Box标签的分布。

cvAfter =性病(balancedCount) /意味着(balancedCount)

CVAFTER = 0.4588.

输入参数

全部折叠

`boxlabels.`-标记边界框数据
两列表

标记的边界框数据，指定为具有两列的表。

第一列包含边界框，并且必须是细胞向量。单元格矢量中的每个元素包含m- × 4矩阵的格式[X那y那宽度那高度]m盒子。
第二列必须是包含对应于每个边界框的标签名称的单元格向量。单元格向量中的每个元素必须是m- 1个分类或串向量。

要从ground truth数据创建一个盒标签表，

使用图像贴标器或视频贴图应用程序标签你的地面真相。导出标记的地面真实数据到您的工作空间。
控件创建边界框标签数据存储ObjectDetortRaringData.功能。
你可以获得boxlabels.从LabelData返回的框标签数据存储的属性ObjectDetortRaringData.,(建筑物。LabelData)．

`BlockedImages.`-贴上了照片
数组`blockedImage`对象

标记的块图像，指定为blockedImage包含像素标签图像的对象。

`blocksize`-块大小
正整数的两元素行向量

块大小的读取数据，指定为正整数的两个元素行向量，[numrows.那numcols］．第一个元素指定块中的行数。第二个元素指定列的数目。

`numobservations.`-块位置数
正整数

要返回的块位置的数目，指定为正整数。

名称-值对的观点

指定可选的逗号分隔的对名称,值参数。名称参数名和价值为对应值。名称必须出现在引号内。可以以任意顺序指定多个名称和值对参数Name1, Value1,…,的家．

例子:'OverlapThreshold'，'1'

`“水平”`-每个图像的分辨率水平
`1`（默认）|正整数标量|B.正整数的-乘1向量

数组中每个图像的分辨率级别blockedImage对象，指定为正整数标量或B.- 1个正整数矢量，在哪里B.数组的长度是blockedImage对象。

`'重叠阈值'`-重叠的阈值
`1`（默认）|标量在范围内[0,1]

重叠阈值，指定为范围的正标量[0,1]。当边界框和裁剪窗口之间的重叠大于阈值时，框中boxlabels.输入剪切到图像块窗口边框。当重叠小于阈值时，丢弃框。当您降低阈值时，会丢弃对象的一部分。要减少对象可以在边框剪裁的量，增加阈值。增加阈值也可能导致较少平衡的盒子标签。

边界框和裁剪窗口之间的重叠量定义为。

$一种 R. E. 一种（ B. B. O. X 一种 \cap W. 一世 N. D. O. W. ） / 一种 R. E. 一种（ B. B. O. X 一种）$

`“详细”`-显示进度信息
`真正的`或`1`（默认）|`假`或`0.`

显示以数字或逻辑方式指定的进度信息1（真正的)或0.（假)．将此属性设置为真正的显示信息。

输出参数

全部折叠

`地点`-平衡盒标签
`BlockLocations`目的

平衡的盒子标签，返回作为BlockLocations对象。对象包含numobservations.平衡块的数量，每个尺寸blocksize．

算法

全部折叠

平衡箱标签

为了平衡框标签，该函数在块图像或大图像中表示较少的样例类上。框标签在整个数据集上进行计数，并根据每个类计数进行排序。每个图像大小被分割成几个象限，基于blocksize输入值。该算法随机从每个象限内选择几个块，具有较少的类。没有任何物体的块被丢弃。一旦选择指定的块数，平衡就会停止。

检查余额

通过比较平衡之前和之后的标签计数的直方图，可以检查平衡的成功。您还可以检查变化系数。为获得最佳结果，值应小于原始值。有关更多信息，请参阅国家标准和技术研究所（NIST）网站，见变异系数为更多的信息。

兼容性的考虑

全部展开

`bigLabeledImages`建议不建议

不建议从R2021a开始

这bigLabeledImages参数,支持万博1manbetx极限对象，不推荐使用。使用BlockedImages.相反，它支持万博1manbetxblockedImage对象。这blockedImage对象提供了几个优势，包括对N-D处理的扩展、更简单的接口以及对读写非标准图像格式的自定义支持。万博1manbetx

虽然没有计划去除bigLabeledImages参数时，切换到BlockedImages.参数以利用额外的功能和灵活性。

要更新代码，请遵循以下步骤:

取代极限对象输入与blockedImage对象输入的第二个参数。
如果要在图1以外的分辨率级别中选择任何封锁图像的块，则指定“水平'名称值参数。当您想在分辨率级别1中从所有被封锁的图像中选择块时，您可以省略此参数。

该表给出了如何更新代码的示例。

劝阻使用推荐更换

劝阻使用	推荐更换
这个例子从a中选择分辨率为1的块`极限`对象。 boxlabels = load（'batandboxlabelsdata.mat') .BoxLabels;bim = bigimage (0 ([500500]));blockSize = [50 50];numObservations = 20;locationSet = balanceBoxLabels (boxLabels bim 1,......blockSize numObservations);	下面是替换输入的等价代码`极限`对象与一个`blockedImage`对象。 boxlabels = load（'batandboxlabelsdata.mat') .BoxLabels;BIM = BLOCKEDIMIMAGE（零（[500,500]））;blockSize = [50 50];numObservations = 20;locationset = anderalboxlabels（boxlabels，bim，......blockSize numObservations);

这个例子从a中选择分辨率为1的块极限对象。

boxlabels = load（'batandboxlabelsdata.mat') .BoxLabels;bim = bigimage (0 ([500500]));blockSize = [50 50];numObservations = 20;locationSet = balanceBoxLabels (boxLabels bim 1,......blockSize numObservations);

下面是替换输入的等价代码极限对象与一个blockedImage对象。

boxlabels = load（'batandboxlabelsdata.mat') .BoxLabels;BIM = BLOCKEDIMIMAGE（零（[500,500]））;blockSize = [50 50];numObservations = 20;locationset = anderalboxlabels（boxlabels，bim，......blockSize numObservations);

也可以看看

对象

blockedImage|blockedImageDatastore|BlockLocations|boxlabeldatastore.

介绍了R2020a

润垫标签

句法

描述

例子

在闭塞图像对象检测中使用的样本块集

输入参数

`boxlabels.`-标记边界框数据
两列表

`BlockedImages.`-贴上了照片
数组`blockedImage`对象

`blocksize`-块大小
正整数的两元素行向量

`numobservations.`-块位置数
正整数

名称-值对的观点

`“水平”`-每个图像的分辨率水平
`1`（默认）|正整数标量|B.正整数的-乘1向量

`'重叠阈值'`-重叠的阈值
`1`（默认）|标量在范围内[0,1]

`“详细”`-显示进度信息
`真正的`或`1`（默认）|`假`或`0.`

输出参数

`地点`-平衡盒标签
`BlockLocations`目的

算法

平衡箱标签

检查余额

兼容性的考虑

`bigLabeledImages`建议不建议

也可以看看

对象

计算机视觉工具箱文档

万博1manbetx

介绍基于MATLAB的深度学习

润垫标签

句法

描述

例子

在闭塞图像对象检测中使用的样本块集

输入参数

boxlabels.-标记边界框数据两列表

BlockedImages.-贴上了照片数组blockedImage对象

blocksize-块大小正整数的两元素行向量

numobservations.-块位置数正整数

名称-值对的观点

“水平”-每个图像的分辨率水平1（默认）|正整数标量|B.正整数的-乘1向量

'重叠阈值'-重叠的阈值1（默认）|标量在范围内[0,1]

“详细”-显示进度信息真正的或1（默认）|假或0.

输出参数

地点-平衡盒标签BlockLocations目的

算法

平衡箱标签

检查余额

兼容性的考虑

bigLabeledImages建议不建议

也可以看看

对象

计算机视觉工具箱文档

万博1manbetx

介绍基于MATLAB的深度学习

`boxlabels.`-标记边界框数据
两列表

`BlockedImages.`-贴上了照片
数组`blockedImage`对象

`blocksize`-块大小
正整数的两元素行向量

`numobservations.`-块位置数
正整数

`“水平”`-每个图像的分辨率水平
`1`（默认）|正整数标量|B.正整数的-乘1向量

`'重叠阈值'`-重叠的阈值
`1`（默认）|标量在范围内[0,1]

`“详细”`-显示进度信息
`真正的`或`1`（默认）|`假`或`0.`

`地点`-平衡盒标签
`BlockLocations`目的

`bigLabeledImages`建议不建议