Exponenta Banner
exponenta event banner

encode

Создайте гистограмму вхождений визуального слова

Свернуть все на странице

Синтаксис

featureVector = encode(bag,I)
[featureVector,words] = encode(bag,I)
featureVector= encode(bag,imds)
[featureVector,words] = encode(bag,imds)
[___] = encode(___,Name,Value)

Описание

пример

featureVector = encode(bag,I) возвращает вектор функции, который представляет гистограмму визуальных вхождений слов, содержащихся во входном изображении, I. Входная сумка содержит bagOfFeatures объект.

[featureVector,words] = encode(bag,I) при необходимости возвращает визуальные слова как visualWords объект. The visualWords объект хранит визуальные слова, которые происходят в I и хранит местоположение этих слов.

featureVector= encode(bag,imds) возвращает вектор функции, который представляет гистограмму вхождений слова, содержащихся в imds. Область входа bag содержит bagOfFeatures объект.

[featureVector,words] = encode(bag,imds) при необходимости возвращает массив visualWords вхождения в imds. The visualWords объект хранит визуальные слова, которые происходят в I и хранит местоположение этих слов.

[___] = encode(___,Name,Value) устанавливает свойства с помощью одной или нескольких пар "имя-значение". Заключайте каждое имя свойства в кавычки. Для примера, encode('SparseOutput',false)

Этот метод поддерживает параллельные вычисления с использованием нескольких MATLAB® рабочие. Включите параллельные вычисления из диалогового окна Computer Vision Toolbox Preferences. Чтобы открыть настройки Computer Vision Toolbox™, на вкладке Home, в разделе Environment, нажмите Preferences. Затем выберите Computer Vision Toolbox.

Примеры

свернуть все

Открыть Live Script

Загрузка набора изображений.

setDir  = fullfile(toolboxdir('vision'),'visiondata','imageSets');
imds = imageDatastore(setDir,'IncludeSubfolders',true,'LabelSource',...
    'foldernames');

Выберите первые два изображения из каждой метки.

trainingSet = splitEachLabel(imds,2);

Создайте набор признаков.

bag = bagOfFeatures(trainingSet);
Creating Bag-Of-Features.
-------------------------
* Image category 1: books
* Image category 2: cups
* Selecting feature point locations using the Grid method.
* Extracting SURF features from the selected feature point locations.
** The GridStep is [8 8] and the BlockWidth is [32 64 96 128].

* Extracting features from 4 images...done. Extracted 76800 features.

* Keeping 80 percent of the strongest features from each category.

* Using K-Means clustering to create a 500 word visual vocabulary.
* Number of features          : 61440
* Number of clusters (K)      : 500

* Initializing cluster centers...100.00%.
* Clustering...completed 21/100 iterations (~0.21 seconds/iteration)...converged in 21 iterations.

* Finished creating Bag-Of-Features

Закодируйте одно из изображений в вектор функции.

img = readimage(trainingSet,1);
featureVector = encode(bag,img);

Входные параметры

свернуть все

Набор признаков, заданный как bagOfFeatures объект.

Входное изображение, I, заданный как черно-белое или цветное изображение.

Изображения, заданные как ImageDatastore объект.

Аргументы в виде пар имя-значение

Пример: 'SparseOutput', false

Тип нормализации, примененной к вектору функции, задается как разделенная разделенными запятой парами, состоящая из 'Normalization'и любой из них 'L2' или 'none'.

Выходная разреженность, заданная как разделенная разделенными запятой парами, состоящая из 'SparseOutput'и как true или false. Установите это свойство на true чтобы вернуть визуальные гистограммы слов в разреженной матрице. Установка значения свойства true уменьшает потребление памяти для больших визуальных словарей, где визуальные гистограммы слова содержат много нулевых элементов.

Включите отображение прогресса на экране, заданное как разделенная разделенными запятой парами, состоящая из 'Verbose'и логический true или false.

Выходные аргументы

свернуть все

Гистограмма вхождений визуального слова, заданная как M -by- bag.VocabularySize вектор, где M - общее количество изображений в imds, numel(imds.Files).

Объект визуальных слов, возвращенный как объект визуальных слов или массив объектов визуальных слов. The visualWords объект сохраняет визуальные слова, которые присутствуют в изображениях, и сохраняет местоположения этих слов.

Расширенные возможности

См. также

Введенный в R2014b

Документация по Computer Vision Toolbox

Поддержка