Выберите наиболее прочные многоклассовые ограничивающие рамки из перекрывающихся кластеров
selectedBboxes = selectStrongestBboxMulticlass(bboxes,scores,labels)bboxes входные данные, только если они имеют одинаковую метку класса.
[ дополнительно возвращает оценки, метки и индекс, связанные с выбранными ограничивающими полями.selectedBboxes,selectedScores,selectedLabels,index] = selectStrongestBboxMulticlass(bboxes,scores,labels)
[___] = selectStrongestBboxMulticlass(___, использует дополнительные параметры, указанные одним или несколькими Name,Value)Name,Value аргументы пары.
Создание детекторов с использованием двух различных моделей. Они будут использоваться для генерации результатов многоклассового обнаружения.
detectorInria = peopleDetectorACF('inria-100x41'); detectorCaltech = peopleDetectorACF('caltech-50x21');
Примените детекторы.
I = imread('visionteam1.jpg'); [bboxesInria,scoresInria] = detect(detectorInria,I,'SelectStrongest',false); [bboxesCaltech,scoresCaltech] = detect(detectorCaltech,I,'SelectStrongest',false);
Создайте категориальные метки для каждого результата каждого детектора.
labelsInria = repelem("inria",numel(scoresInria),1); labelsInria = categorical(labelsInria,{'inria','caltech'}); labelsCaltech = repelem("caltech",numel(scoresCaltech),1); labelsCaltech = categorical(labelsCaltech,{'inria','caltech'});
Объедините результаты всех детекторов в результаты многоклассового обнаружения.
allBBoxes = [bboxesInria;bboxesCaltech]; allScores = [scoresInria;scoresCaltech]; allLabels = [labelsInria;labelsCaltech];
Запустить многоклассовое несимметричное подавление.
[bboxes,scores,labels] = selectStrongestBboxMulticlass(allBBoxes,allScores,allLabels,... 'RatioType','Min','OverlapThreshold',0.65);
Аннотировать обнаруженных людей.
annotations = string(labels) + ": " + string(scores); I = insertObjectAnnotation(I,'rectangle',bboxes,cellstr(annotations)); imshow(I) title('Detected People, Scores, and Labels')
bboxes - Ограничивающие рамкиОграничивающие прямоугольники, определенные как M-4 или нередкая числовая матрица M-5. M - количество ограничивающих прямоугольников. Каждая строка матрицы определяет ограничительную рамку как прямоугольник, выровненный по оси, или как повернутый прямоугольник. В этой таблице описывается формат каждой ограничивающей рамки.
| Ограничивающая рамка | Описание |
|---|---|
| Выровненный по оси прямоугольник |
Определяется в координатах пикселей как M-by-4 числовая матрица со строками вида [x y w h] , где :
|
| Повернутый прямоугольник |
Определяется в пространственных координатах как M-by-5 числовая матрица со строками вида [xctr yctr xlen ylen yaw ], где:
|
Типы данных: single | double | int8 | int16 | int32 | uint8 | uint16 | uint32
scores - Оценки доверияДоверительные оценки, соответствующие входным ограничивающим рамкам, заданным как вектор M-by-1. selectStrongestBboxMulticlass функция использует жадную NMS, чтобы исключить перекрывающиеся ограничивающие рамки и связать оценку достоверности с рамками. Более высокий балл представляет более высокую уверенность в сохранении ограничивающей рамки. scores входные данные должны быть действительными, конечными и непарабельными.
Типы данных: single | double | int8 | int16 | int32 | uint8 | uint16 | uint32
labels - ЭтикеткиМетки, соответствующие входным ограничивающим рамкам, указанным как M-by-1 категориальный или числовой вектор.
Типы данных: single | double | int8 | int16 | int32 | uint8 | uint16 | uint32 | categorical
Укажите дополнительные пары, разделенные запятыми Name,Value аргументы. Name является именем аргумента и Value - соответствующее значение. Name должен отображаться внутри кавычек. Можно указать несколько аргументов пары имен и значений в любом порядке как Name1,Value1,...,NameN,ValueN.
'RatioType','Union' устанавливает 'RatioType' свойство для 'Union'.'RatioType' - Знаменатель коэффициента перекрытия ограничивающей рамки'Union' (по умолчанию) | 'Min'Тип отношения, указанный как символьный вектор 'Union' или 'Min'.
Задайте тип отношения как 'Union' чтобы вычислить отношение как площадь пересечения между bboxA и bboxB, деленное на площадь союза двух.
Задайте тип отношения как 'Min' чтобы вычислить отношение как площадь пересечения между bboxA и bboxB, деленное на минимальную площадь двух ограничивающих рамок.
Типы данных: char
'OverlapThreshold' - Порог коэффициента перекрытия0.5 (по умолчанию) | скаляр в диапазоне [0 1]Пороговое значение коэффициента перекрытия, указанное как пара, разделенная запятыми, состоящая из 'OverlapThreshold'и скаляр в диапазоне [0 1]. Если коэффициент перекрытия превышает пороговое значение, функция удаляет ограничивающие рамки вокруг опорного поля. Уменьшите порог, чтобы уменьшить количество выбранных ограничивающих прямоугольников. Однако при слишком большом снижении порога можно исключить поля, представляющие объекты, близкие друг к другу на изображении.
Типы данных: single | double
'NumStrongest' - Максимальное количество сильнейших коробокinf (по умолчанию) | положительный скалярМаксимальное количество наиболее сильных полей, указанное как пара, разделенная запятыми, состоящая из 'NumStrongest' и inf или положительный скаляр. Используйте этот аргумент, чтобы сократить время обработки, если вы априори знаете о максимальном количестве полей. Задайте значение inf для выбора всех самых сильных неперекрывающихся ограничивающих прямоугольников.
Когда labels ввод содержит категориальные метки, можно также указать вектор, содержащий максимальное количество самых сильных полей для каждой категории во вводе меток. Длина указанного вектора должна быть равна количеству категорий в метке.