Количество количеств пикселя помечает для каждого класса
задает дополнительные параметры.counts
= countEachLabel(___,Name,Value
)
Если bimds
содержит категориальные данные, countEachLabel
получает имена классов из категорий, заданных в InitialValue
свойство первого блокированного изображения. В этом случае не задавайте значения для 'Classes'
и 'PixelLabelIDs'
параметры. Если bimds
содержит числовые данные, необходимо ввести значения для 'Classes'
и 'PixelLabelIDs'
параметры.
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. Вес для каждого класса c задан как median(imageFreq)/imageBlockFreq(c)
where imageBlockFreq(c)
количество пикселей данного класса, разделенного на общее количество пикселей в блоках изображений, которые имели экземпляр данного класса c.
imageBlockFreq = tbl.PixelCount ./ tbl.BlockPixelCount classWeights = median(imageBlockFreq) ./ imageBlockFreq
Можно передать расчетные веса класса pixelClassificationLayer
(Computer Vision Toolbox).
blockedImage
| blockedImageDatastore
| pixelClassificationLayer
(Computer Vision Toolbox)