Загрузите данные о метках поля, которые содержат поля и метки для одного изображения. Высота и ширина каждого поля [20,20].

d  = load('balanceBoxLabelsData.mat');
boxLabels    = d.BoxLabels;

Создайте блокированное изображение размера [500,500].

blockedImages = blockedImage(zeros([500,500]));

Выберите размер изображений каждого наблюдения.

blockSize = [50,50];

Визуализируйте использование гистограммы, чтобы идентифицировать любую неустойчивость класса в метках поля.

blds = boxLabelDatastore(boxLabels);
datasetCount = countEachLabel(blds);
figure;
h1 = histogram('Categories',datasetCount.Label,'BinCounts',datasetCount.Count)

h1 = 
  Histogram with properties:

              Data: [0x0 categorical]
            Values: [1 1 1 1 1 1 1 1 1 1 1 11]
    NumDisplayBins: 12
        Categories: {1x12 cell}
      DisplayOrder: 'manual'
     Normalization: 'count'
      DisplayStyle: 'bar'
         FaceColor: 'auto'
         EdgeColor: [0 0 0]

  Show all properties

Измерьте распределение меток поля. Если coefficent изменения - больше чем 1, то существует неустойчивость класса.

cvBefore = std(datasetCount.Count)/mean(datasetCount.Count)

cvBefore = 1.5746

Выберите эвристическое значение для количества наблюдений путем нахождения среднего значения количеств каждого класса, умноженного на количество классов.

numClasses = height(datasetCount);
numObservations = mean(datasetCount.Count) * numClasses;

Управляйте суммой, поле может быть сокращено с помощью OverlapThreshold. Используя более низкое пороговое значение сократит объекты больше на границе блока. Увеличьте это значение, чтобы уменьшать сумму, объект может быть отсечен на границе, за счет менее сбалансированных меток поля.

ThresholdValue = 0.5;

Сбалансируйте boxLabels использование balanceBoxLabels функция.

locationSet = balanceBoxLabels(boxLabels,blockedImages,blockSize,...
        numObservations,'OverlapThreshold',ThresholdValue);

Balancing box labels for 1 images with [==================================================] 100%
[==================================================] 100%
Balancing box labels complete.

Считайте метки, которые содержатся в блоках изображений.

bldsBalanced = boxLabelDatastore(boxLabels,locationSet);
balancedDatasetCount = countEachLabel(bldsBalanced);

Наложите другую гистограмму против исходного количества метки, чтобы видеть, сбалансированы ли метки поля. Если метки, кажется, не сбалансированы путем рассмотрения гистограмм, увеличьте значение для numObservations.

hold on;
balancedLabels = balancedDatasetCount.Label;
balancedCount  = balancedDatasetCount.Count;
h2 = histogram('Categories',balancedLabels,'BinCounts',balancedCount);
title(h2.Parent,"Balanced class labels (OverlapThreshold: " + ThresholdValue + ")" );
legend(h2.Parent,{'Before','After'});

Измерьте распределение новых baanced меток поля.

cvAfter = std(balancedCount)/mean(balancedCount)

cvAfter = 0.4588