主要内容

boxlabeldatastore.

用于边界框标记数据的数据存储

展开所有页面

描述

这boxlabeldatastore.对象创建用于边界框标记数据的数据存储。使用此对象读取标记的边界框数据进行对象检测。

从a中读取边界框标记数据boxlabeldatastore.对象，使用读功能。此对象函数返回具有两列或三列的单元格数组。您可以创建一个组合的数据存储boxlabeldatastore.对象与A.imageageAtastore.对象使用结合对象功能。使用组合数据存储来使用培训功能培训对象探测器，如Trainyolov2ObjectDetector.和TRATHFASTERRCNNOOBJECTDETECTOR.。您可以使用对象函数访问数据存储中的数据。修改阅读属性，您可以使用DOT表示法。

创建

句法

BLDS = BoxLabeldAtastore（TBL1，...，TBLN）
BLDS = BoxLabeldAtastore（TBL1，...，TBLN，BSET）

描述

例子

BLDS.= boxlabeldataStore（tbl1，...，tbln）创造一个boxlabeldatastore.来自一个或多个表的对象，包含标记的边界框数据。

BLDS.= boxlabeldataStore（TBL1.，......，tbln.那bset.）创造一个boxlabeldatastore.来自A的对象极限数据通过使用块位置指定的分辨率级别，块大小和块位置bset.。

输入参数

展开全部

标记的边界框数据，指定为具有一个或多个列的表。每个表对应于一组标签。边界盒可以是轴对齐的矩形，旋转矩形或长方体。下表描述了边界框的格式。

边界盒子 描述
轴对齐矩形

定义为像素坐标作为一个m- 4个数字矩阵，表单的行[XyW.H]， 在哪里：

  • m是轴对齐矩形的数量。

  • X和y指定矩形的左上角。

  • W.指定矩形的宽度，这是它的长度X-轴。

  • H指定矩形的高度，这是它的长度y-轴。
旋转矩形

在空间坐标中定义为一个m-5-5个数字矩阵，表单的行[XCTR.yctr.xlen.ylen.偏航]， 在哪里：

  • m是旋转矩形的数量。

  • XCTR.和yctr.指定矩形的中心。

  • xlen.指定矩形的宽度，这是它的长度X- 旋转前的轴。

  • ylen.指定矩形的高度，这是它的长度y- 旋转前的轴。

  • 偏航指定度数的旋转角度。旋转在边界盒的中心周围是顺时针正。

方形矩形旋转-30度。
长方体

在空间坐标中定义为一个m-My-9数字矩阵，具有行的行[XCTR.yctr.ZCTR.xlen.ylen.Zlen.Xrot.yrot.Zrot.]， 在哪里：

  • m是长方体的数量。

  • XCTR.那yctr.， 和ZCTR.指定长方体的中心。

  • xlen.那ylen.， 和Zlen.指定长方体的长度沿着X-轴，y- 轴，和Z.- 旋转前分别在旋转之前。

  • Xrot.那yrot.， 和Zrot.指定周围的长方体的旋转角度X-轴，y- 轴，和Z.分别。这Xrot.那yrot.， 和Zrot.旋转角度围绕长方体中心为程度。相对于相关的空间轴的正方向，每个旋转是顺时针正向。该功能假设计算旋转矩阵Zyx.订购欧拉角度[Xrot.yrot.Zrot.]。

该图显示了这些值如何确定立方体的位置。

  • 一个包含一个或多个列的表：

    所有列包含边界框。每列必须是包含的单元格向量m-经过-N矩阵。m是图像的数量和N表示单个对象类，例如停止标志那carr， 要么arfront.。

  • 一个有两列的表。

    第一列包含边界框。第二列必须是包含与每个边界框对应的标签名称的单元格向量。细胞矢量中的每个元素必须是一个m- 1个分类或串向量，在哪里m代表标签的数量。

要创建一个地面真相表，请使用图像贴标器要么视频贴图应用程序。要从生成的地面真理创建培训数据表，请使用ObjectDetortRaringData.功能。

数据类型：桌子

块位置，指定为aBlockLocations目的。您可以使用使用的创建此对象润垫标签功能。

特性

展开全部

此属性是只读的。

标记为边界框数据，指定为N- 2个细胞矩阵N图片。第一列必须是包含边界框的单元格向量。单元中的每个元素包含表示轴对齐矩形，旋转矩形或长方体的矢量。第二列必须是包含与每个边界框对应的标签名称的单元格向量。一个m-By-1分类矢量表示每个标签名称。

绑定盒描述

边界盒子 细胞矢量 格式
轴对齐矩形 m-By-4 form边界盒子 [X那y那宽度那高度]
旋转矩形 m-By-5 form边界盒子 [Xcenter.那ycenter.那宽度那高度那偏航]
长方体 m-by-9 form边界盒子 [Xcenter.那ycenter.那zcenter.那宽度那高度那深度那RX.那ry.那RZ.]

每个呼叫中​​读取的标签数据的最大行数读函数，指定为正整数。

对象功能

结合 将数据与多个数据存储组合
counteanceLabel. 计数像素或框标签的发生
哈迪塔 确定数据是否可用于从数据存储读取
numpartitions. 数据存储的分区数量
划分 分区标签数据存储
预习 在数据存储区中读取第一行数据
进步 从数据存储读取的数据百分比
读 从数据存储读取数据
读物 阅读数据存储中的所有数据
重置 将数据存储重置为初始状态
洗牌 返回DataStore的Shuffled版本
子集 创建数据存储或文件集的子集
转变 转换数据存储
是可分派的 确定数据存储是否已分配
isShufflable. 确定数据存储是否会破坏

例子

全部收缩

此示例使用：

打开直播脚本

此示例显示如何使用包含培训数据的表来估算锚框。第一列包含训练图像，剩余列包含标记的边界框。

data = load（'vevicletrainingdata.mat'）;trainingData = data.vehicletRainingData;

创建一个boxlabeldatastore.对象使用来自培训数据的标记边界框。

BLDS = BoxLabeldAtastore（TrainingData（:,2：结束））;

使用该估算锚盒boxlabeldatastore.目的。

numanchors = 5;anchorboxes = extimateanchorboxes（BLD，Numanchors）;

指定图像大小。

InputImagesize = [128,228,3];

指定要检测的类的数量。

numclasses = 1;

使用预先使用的Reset-50网络作为YOLO V2网络的基础网络。

Network = Resnet50（）;

指定要用于特征提取的网络层。你可以使用分析函数查看网络中的所有图层名称。

FeatureLayer ='activation_49_relu';

创建YOLO V2对象检测网络。

Lgraph = Yolov2Layers（InputImagesize，Numcrasses，Anchorboxes，Network，FeatureLayer）
LAPHRAGH =具有属性的分层图：图层：[182×1 nnet.cnn.layer.layer]连接：[197×2表]输入名称：{'input_1'} OutputNames：{'yolov2outputlayer'}

使用网络分析仪可视化网络。

分析（LGROPH）
打开直播脚本

加载包含带有标签的边界框的车载培训数据表。

data = load（'vevicletrainingdata.mat'）;trainingData = data.vehicletRainingData;

将全路添加到本地车辆数据文件夹。

datadir = fullfile（toolboxdir（'想象'），'VisionData'）;trainingdata.imagefilename = fullfile（datadir，trainingdata.imagefilename）;

创建一个imageageAtastore.对象使用表中的文件名。

IMDS = imageageAtastore（trainingData.ImageFilename）;

创建一个boxlabeldatastore.对象使用具有标签数据的表。

BLDS = BoxLabeldAtastore（TrainingData（:,2：结束））;

结合了imageageAtastore.和boxlabeldatastore.对象。

CDS =组合（IMDS，BLD）;

阅读培训数据。使用读对象函数返回图像，边界框和标签。

读（CDS）
ans =.1×3个单元阵列{128x228x3 uint8} {[126 78 20 16]} {[车辆]}
打开直播脚本

加载包含带有标签的边界框的车载培训数据表。

加载（'vevicletrainingdata.mat'）;

加载包含带有标签的边界框的停车符号和汽车类培训数据表。

加载（'stopsignsandcars.mat'）;

从培训数据创建地面真理表。

vehiclestbl = vevicletramingdata（:,2：结束）;stopsignstbl = stopsignsandcars（:,2：结束）;

创建一个boxlabeldatastore.对象使用两个表：一个带有车辆标签数据，另一个具有停止标志和汽车标签数据。

BLDS = BoxLabeldAtastore（VehiclestBl，STOPSIGNSTBL）;

创建一个imageageAtastore.对象使用培训数据表中的文件名。

datadir = fullfile（toolboxdir（'想象'），'VisionData'）;舰队文件= fullfile（datadir，vehicletrainingdata.imagefilename）;stopsignfiles = fullfile（datadir，stopsignsandcars.imagefilename）;imds = imageageataStore（[车辆文件; stopsignfiles]）;

结合了imageageAtastore.和boxlabeldatastore.对象。

CDS =组合（IMDS，BLD）;

阅读培训数据。使用读对象函数返回图像，边界框和标签。

读（CDS）
ans =.1×3个单元阵列{128x228x3 uint8} {[126 78 20 16]} {[车辆]}

也可以看看

应用

功能

对象

话题

在R2019B中介绍

计算机视觉工具箱文档

万博1manbetx

与Matlab引入深度学习

与Matlab引入深度学习

下载电子书