图片标志

标签图像的计算机视觉应用

全部展开到页面中

描述

的图片标志app可以让你在一组图像中标记地面真实数据。使用该应用程序，你可以:

定义感兴趣的矩形区域(ROI)标签、折线ROI标签、像素ROI标签和场景标签。使用这些标签来交互式地标记您的地面真相数据。
使用内置的检测或跟踪算法来标记您的地面真实数据。
编写、导入和使用您自己的自定义自动算法来自动标记ground truth。看到创建自动标记算法。
使用可视化摘要评估标签自动化算法的性能。看到查看地面真相标签摘要。
将标记的ground truth输出为agroundTruth对象。您可以将此对象用于系统验证或训练对象检测器或语义分割网络。看到用于目标检测和语义分割的训练数据。

的图片标志app支万博1manbetx持所支持的所有图像文件格式imread。要将其他文件格式添加到imread,使用imformats。

要了解这个应用程序的更多信息，请参见开始使用图像标签器。

imageLabeler打开应用程序的一个新会话，使您能够在图像中标记地面真相数据。

imageLabeler (imageFolder)打开应用程序并从命名的文件夹中加载所有图像imageFolder。

文件夹中的图像可以是无序的，大小也可以不同。若要标记一个视频或一组类似于视频的有序图像，请使用贴标签机视频应用程序。

imageLabeler (imageDatastore)打开应用程序并读取所有的图像imageDatastore对象。的imageDatastore使用以下命令读取文件imread。例如，用一组停止标志图像打开应用程序:

stopSignsFolder = fullfile (toolboxdir (“愿景”),“visiondata”,“stopSignImages”);imds = imageDatastore(stopSignsFolder)

imageLabeler (sessionFile)打开应用程序并载入保存的文件图片标志会话,sessionFile。的sessionFile输入包含路径和文件名。的MAT-filesessionFile指向包含保存的会话的点。

你可以使用标签自动算法来加速应用程序内的标签。要创建自己的标签自动算法来在应用程序内使用，请参阅创建自动标记算法。您还可以使用提供的内置算法之一。遵循以下步骤:

使用聚合通道特性(ACF)检测和标记人员。该算法是基于peopleDetectorACF函数。要使用此算法，您必须定义至少一个矩形ROI标签。您不需要画任何ROI标签。

要帮助改进算法结果，请首先单击设置。您可以更改任何这些设置。

该算法使用的预训练人员检测器模型为inria - 100 x41的使用INRIA人员数据集对模型进行训练“caltech-50x21”模型使用Caltech行人数据集进行训练。
重叠率阈值，从0到1，用于检测人员-当矩形roi重叠超过该阈值时，算法丢弃其中一个roi。
检测人的分类分数阈值-增加分数，增加算法的预测置信度。得分低于此阈值的矩形将被丢弃。

使用聚合通道特征(ACF)检测和标记车辆。该算法是基于vehicleDetectorACF函数。要使用此算法，您必须定义至少一个矩形ROI标签。您不需要画任何ROI标签。

要帮助改进算法结果，请首先单击设置。您可以更改任何这些设置。

该算法使用的预处理车辆检测器模型为“众目睽睽”使用车辆的前、后、左、右侧面的无遮挡图像对模型进行训练。的“front-rear-view”模型的训练只使用图像的前面和后面的车辆。
检测车辆的重叠率阈值，从0到1 -当矩形roi重叠超过该阈值时，算法丢弃其中一个roi。
检测车辆的分类分值阈值-增加分值，增加算法的预测置信度。得分低于此阈值的矩形将被丢弃。

你也可以通过导入一个校准过的单眼相机来配置探测器monoCamera对象进入MATLAB工作空间。以世界单位(例如米)指定车辆的长度和宽度范围。