countEachLabel
Считайте количество пиксельных меток для каждого класса bigimageDatastore
Синтаксис
Описание
Примеры
Вычислите веса класса помеченных больших изображений
Загрузите данные о пиксельных метках.
load('buildingPixelLabeled.mat');Задайте классы и пиксельную метку IDs данных о пиксельных метках.
pixelLabelID = [1 2 3 4]; classNames = ["sky" "grass" "building" "sidewalk"];
Создайте bigimage управлять данными о пиксельных метках.
bigLabeledImage = bigimage(uint8(label),'Classes',classNames,'PixelLabelIDs',pixelLabelID); bigimageshow(bigLabeledImage)
Создайте bigimageDatastore это читает блоки размера 200 150 пиксели на самом прекрасном уровне разрешения от bigLabeledImage.
level = 1;
blockSize = [200 150];
biglabelds = bigimageDatastore(bigLabeledImage,level,'BlockSize',blockSize);Считайте количество пиксельных меток для каждого класса.
tbl = countEachLabel(biglabelds)
tbl=4×3 table
Name PixelCount BlockPixelCount
__________ __________ _______________
"sky" 81525 1.58e+05
"grass" 32983 51200
"building" 1.8036e+05 3.072e+05
"sidewalk" 10491 51200
Сбалансируйте классы при помощи универсального предшествующего взвешивания.
prior = 1/numel(classNames); uniformClassWeights = prior ./ tbl.PixelCount
uniformClassWeights = 4×1
10-4 ×
0.0307
0.0758
0.0139
0.2383
Сбалансируйте классы при помощи обратного взвешивания частоты.
totalNumberOfPixels = sum(tbl.PixelCount); freq = tbl.PixelCount / totalNumberOfPixels; invFreqClassWeights = 1./freq
invFreqClassWeights = 4×1
3.7456
9.2580
1.6931
29.1067
Сбалансируйте классы при помощи взвешивания медианной частоты.
freq = tbl.PixelCount ./ tbl.BlockPixelCount; medFreqClassWeights = median(freq) ./ freq
medFreqClassWeights = 4×1
1.0689
0.8562
0.9394
2.6917
Входные параметры
Выходные аргументы
Советы
Можно использовать информацию о метке, возвращенную countEachLabel вычислить веса класса для балансировки класса. Например, для помеченной информации о пиксельных данных в tbl:
Универсальная балансировка класса взвешивает каждый класс, таким образом, что каждый содержит универсальную априорную вероятность:
numClasses = height(tbl) prior = 1/numClasses; classWeights = prior./tbl.PixelCount
Обратная балансировка частоты взвешивает каждый класс, таким образом, что недостаточно представленным классам дают более высокий вес:
totalNumberOfPixels = sum(tbl.PixelCount) frequency = tbl.PixelCount / totalNumberOfPixels; classWeights = 1./frequency
Веса балансировки медианной частоты каждый класс с помощью медианной частоты:
imageFreq = tbl.PixelCount ./ tbl.ImagePixelCount classWeights = median(imageFreq) ./ imageFreq
Можно передать расчетные веса класса pixelClassificationLayer (Computer Vision Toolbox).
Смотрите также
bigimageDatastore | pixelClassificationLayer (Computer Vision Toolbox) | trainNetwork (Deep Learning Toolbox)