Image Labeler

Пометьте изображения для приложений компьютерного зрения

Описание

Приложение Image Labeler позволяет вам пометить достоверные данные в наборе изображений. Используя приложение, вы можете:

Задайте прямоугольные метки видимых областей (ROI), метки ROI ломаной линии, пиксельные метки ROI и метки сцены. Используйте эти метки, чтобы интерактивно помечать ваши достоверные данные.
Используйте встроенные алгоритмы обнаружения или отслеживания, чтобы пометить ваши достоверные данные.
Запишите, импортируйте и используйте свой собственный алгоритм автоматизации, чтобы автоматически пометить основную истину. Смотрите Создают Алгоритм Автоматизации для Маркировки.
Оцените производительность своих алгоритмов автоматизации метки с помощью визуальных сводных данных. Сводные данные Вида на море Меток Основной истины.
Экспортируйте помеченную основную истину как groundTruth объект. Можно использовать этот объект в системной верификации или в обучении сеть семантической сегментации или детектор объектов. Смотрите Обучающие данные для Обнаружения объектов и Семантической Сегментации.

Поддержки приложений Image Labeler все форматы файла изображения поддержаны imread. Добавить дополнительные форматы файлов в imread, используйте imformats.

Чтобы узнать больше об этом приложении, см. Запуск с Image Labeler.

Откройте приложение Image Labeler

MATLAB^® Toolstrip: На вкладке Apps, под Image Processing and Computer Vision, кликают по значку приложения.
Командная строка MATLAB: Введите imageLabeler.

Программируемое использование

развернуть все

`imageLabeler`

imageLabeler открывает новый сеанс приложения, позволяя вам пометить достоверные данные в изображениях.

`imageLabeler(imageFolder)`

imageLabeler(imageFolder) открывает приложение и загружает все изображения от папки под названием imageFolder.

Изображения в папке могут быть не упорядочены и могут отличаться по размеру. Чтобы пометить видео или набор упорядоченных изображений, напоминающих видео, используйте приложение Video Labeler.

`imageLabeler(imageDatastore)`

imageLabeler(imageDatastore) открывает приложение и читает все изображения от imageDatastore объект. imageDatastore файлы читаются с помощью imread. Например, чтобы открыть приложение с набором изображений знака Стоп:

   stopSignsFolder = fullfile(toolboxdir('vision'),'visiondata','stopSignImages');
   imds = imageDatastore(stopSignsFolder)
   imageLabeler(imds)

`imageLabeler(sessionFile)`

imageLabeler(sessionFile) открывает приложение и загружает сохраненный сеанс Image Labeler, sessionFile. sessionFile введите содержит путь и имя файла. MAT-файл, что sessionFile точки к содержат сохраненный сеанс.

Алгоритмы

развернуть все

Можно использовать алгоритмы автоматизации метки, чтобы ускорить маркировку в рамках приложения. Чтобы создать ваш собственный алгоритм автоматизации метки, чтобы использовать в рамках приложения, смотрите, Создают Алгоритм Автоматизации для Маркировки. Можно также использовать один из предоставленных встроенных алгоритмов. Выполните эти шаги:

Загрузите данные, которые вы хотите пометить, и создать по крайней мере одно определение метки.
На панели инструментов приложения нажмите Select Algorithm и выберите один из встроенных алгоритмов автоматизации.
Нажмите Automate, и затем следуйте инструкциям по автоматизации на правой панели окна автоматизации.

Детектор людей ACF

Обнаружьте и пометьте людей, использующих совокупные функции канала (ACF). Этот алгоритм основан на peopleDetectorACF функция. Чтобы использовать этот алгоритм, необходимо задать по крайней мере одну прямоугольную метку ROI. Вам не нужно рисовать какие-либо метки ROI.

Чтобы помочь улучшить результаты алгоритма, сначала нажмите Settings. Можно изменить любую из этих настроек.

Предварительно обученная модель детектора людей, которую алгоритм использует — 'inria-100x41' модель была обучена с помощью набора данных Inria person. 'caltech-50x21' модель была обучена с помощью набора пешеходных данных Калифорнийского технологического института.
Порог коэффициента перекрытия, от 0 до 1, для обнаружения людей - когда прямоугольник ROI перекрывается больше, чем этот порог, алгоритм отбрасывает один из ROI.
Классификационный порог оценки для обнаружения людей-увеличение балла для повышения достоверности прогноза алгоритма. Прямоугольники с баллами ниже этого порога отбрасываются.

Детектор транспортного средства ACF (требует Automated Driving Toolbox),

Обнаружьте и пометьте транспортные средства с помощью совокупных функций канала (ACF). Этот алгоритм основан на vehicleDetectorACF функция. Чтобы использовать этот алгоритм, необходимо задать по крайней мере одну прямоугольную метку ROI. Вам не нужно рисовать какие-либо метки ROI.

Чтобы помочь улучшить результаты алгоритма, сначала нажмите Settings. Можно изменить любую из этих настроек.

Предварительно обученная модель детектора транспортного средства, которую алгоритм использует — 'full-view' модель была обучена с помощью незакрытых изображений передней стороны, задней части, покинутой, и правые стороны транспортных средств. 'front-rear-view' модель была обучена с помощью изображений только передних сторон и тыльных сторон транспортного средства.
Порог коэффициента перекрытия, от 0 до 1, для обнаружения транспортных средств - когда прямоугольник ROI перекрывается больше, чем этот порог, алгоритм отбрасывает один из ROI.
Порог счета классификации для обнаружения транспортных средств — Увеличение счет, чтобы увеличить уверенность прогноза алгоритма. Прямоугольники с баллами ниже этого порога отбрасываются.

Можно также сконфигурировать детектор с калиброванной монокулярной камерой путем импорта monoCamera объект в рабочее пространство MATLAB. Укажите диапазоны длины и ширины транспортного средства в мировых единицах измерения, таких как метры.

Документация

Image Labeler

Описание

Откройте приложение Image Labeler

Программируемое использование

`imageLabeler`

`imageLabeler(imageFolder)`

`imageLabeler(imageDatastore)`

`imageLabeler(sessionFile)`

Алгоритмы

Детектор людей ACF

Детектор транспортного средства ACF (требует Automated Driving Toolbox),

Смотрите также

Приложения

Функции

Объекты

Темы

Введенный в R2018a

Документация Computer Vision Toolbox

Поддержка