イメージラベラー

コンピュータービジョンアプリケーションに使用するイメージのラベル付け

説明

イメージラベラー アプリを使って、イメージコレクションのグラウンドトゥルースデータにラベルを付けることができます。このアプリを使用して以下ができます。

四角形の関心領域 (ROI) ラベル、ポリライン ROI ラベル、ピクセル ROI ラベル、およびシーンラベルを定義します。これらのラベルを使って、グラウンドトゥルースデータに対話形式でラベルを付けます。
組み込みの検出または追跡アルゴリズムを使用して、グラウンドトゥルースデータにラベル付けします。
独自のカスタムオートメーションアルゴリズムを記述、インポート、および使用して、グラウンドトゥルースに自動的にラベル付けします。ラベル付け用オートメーションアルゴリズムの作成を参照してください。
視覚的な概要を使用してラベルオートメーションアルゴリズムのパフォーマンスを評価します。グラウンドトゥルースラベルの概要の表示を参照してください。
ラベル付きのグラウンドトゥルースを groundTruth オブジェクトとしてエクスポートします。このオブジェクトは、システムの検証や、オブジェクト検出器やセマンティックセグメンテーションネットワークの学習に使用できます。オブジェクト検出およびセマンティックセグメンテーション用の学習データを参照してください。

イメージラベラー アプリは、imread でサポートされるすべてのイメージファイル形式をサポートしています。追加のファイル形式を読み取るために、imageDatastore を作成して ReadFcn プロパティを使用できます。

このアプリの詳細については、イメージラベラー入門を参照してください。

イメージラベラーアプリを開く

MATLAB^® ツールストリップ: [アプリ] タブで、[イメージ処理とコンピュータービジョン] の下にあるアプリアイコンをクリックします。
MATLAB コマンドプロンプト: imageLabeler と入力します。

プログラムによる使用

すべて展開する

`imageLabeler`

imageLabeler でアプリの新しいセッションが開き、イメージのグラウンドトゥルースデータをラベル付けできます。

`imageLabeler(imageFolder)`

imageLabeler(imageFolder) でアプリが開き、imageFolder という名前のフォルダーからすべてのイメージが読み込まれます。

フォルダーの中のイメージは、順序やサイズがばらばらになっている場合があります。ビデオまたはビデオに似た一連の順番付きイメージにラベルを付けるには、代わりにビデオラベラー アプリを使います。

`imageLabeler(imageDatastore)`

imageLabeler(imageDatastore) でアプリが開き、imageDatastore オブジェクトからすべてのイメージを読み取ります。imageDatastore オブジェクトの ReadFcn プロパティでは、データの読み取り方法を指定します。

たとえば、アプリを開いて一時停止標識イメージコレクションを読み込む方法は以下です。

   stopSignsFolder = fullfile(toolboxdir('vision'),'visiondata','stopSignImages');
   imds = imageDatastore(stopSignsFolder)
   imageLabeler(imds)

`imageLabeler(sessionFile)`

imageLabeler(sessionFile) でアプリが開き、保存されたイメージラベラー セッション sessionFile が読み込まれます。sessionFile 入力には、パスとファイル名が含まれます。sessionFile がポイントする MAT ファイルには保存されたセッションが含まれます。

詳細

すべて展開する

ROI ラベル、サブラベル、属性

アプリの左側にある [ROI ラベル] ペインには、フレームにマークできる関心領域 (ROI) ラベルの定義が含まれています。このペインから直接、ラベル定義を作成できます。または、labelDefinitionCreator オブジェクトを使用してプログラムでラベル定義を作成し、そのラベル定義をアプリセッションにインポートすることもできます。

アプリでは、ROI ラベル、サブラベル、属性の定義をサポートしています。

ROI ラベル

"ROI ラベル" は、信号フレームの関心領域 (ROI) に対応するラベルです。この表は、サポートされているラベルタイプを示しています。

ROI ラベル	説明	例:運転シーン
`Rectangle`	オブジェクトの周りに四角形の ROI ラベル (境界ボックス) を描画します。	車両、歩行者、道路標識
`Projected cuboid`	直方体の ROI ラベル (3 次元の境界ボックス) を描画します。
`Line`	線を表す線形 ROI ラベルを描画します。ポリライン ROI を描画するには、2 つ以上の点を使用します。	車線境界線、ガードレール、縁石
`Pixel label`	セマンティックセグメンテーション用にピクセルにラベルを割り当てます。多角形、ブラシまたは塗りつぶしを使用してピクセルに手動でラベルを付けることができます。ピクセルのラベル付けの詳細については、セマンティックセグメンテーションのピクセルのラベル付けを参照してください。	車両、路面、木、歩道

ROI サブラベル

"ROI サブラベル" は、親ラベルに属する ROI ラベルです。ROI サブラベルを使用して、ラベル付きのグラウンドトゥルースデータの ROI に関して、より高度な詳細情報を提供できます。たとえば、[vehicle] ラベルには、[headlight]、[licensePlate]、および [wheel] のサブラベルが含まれることがあります。サブラベルは、四角形とポリラインのラベルのみで作成できます。サブラベルの詳細については、サブラベルと属性を使用したグラウンドトゥルースデータへのラベル付けを参照してください。

ROI 属性

"ROI 属性" では、ROI ラベルまたはサブラベルに関する追加情報を指定します。たとえば、運転シーンの場合、属性は車両のタイプや色を含む場合があります。この表は、サポートされている属性タイプを示しています。

属性タイプ	属性定義のサンプル	既定値のサンプル
`Numeric Value`
`String`
`Logical`
`List`

属性の詳細については、サブラベルと属性を使用したグラウンドトゥルースデータへのラベル付けを参照してください。

アルゴリズム

すべて展開する

ラベルオートメーションアルゴリズムを使用して、アプリ内でのラベル付けを高速化できます。アプリ内で使用する独自のラベルオートメーションアルゴリズムを作成するには、ラベル付け用オートメーションアルゴリズムの作成を参照してください。用意されている組み込みのアルゴリズムのいずれかを使用することもできます。次の手順に従います。

ラベルを付けるデータを読み込み、少なくとも 1 つのラベル定義を作成します。
アプリのツールストリップで [アルゴリズムの選択] をクリックし、組み込みのオートメーションアルゴリズムのいずれかを選択します。
[自動化] をクリックしてから、自動化ウィンドウの右側のペインにある自動化の手順に従います。

ACF 人物検出器

集約チャネル特徴 (ACF) を使用して人物を検出し、ラベルを付けます。このアルゴリズムは、関数 peopleDetectorACF に基づいています。このアルゴリズムを使用するには、少なくとも 1 つの四角形 ROI ラベルを定義しなければなりません。ROI ラベルを描画する必要はありません。

アルゴリズムの結果を改善するには、最初に [設定] をクリックします。これらの設定はいずれも変更可能です。

アルゴリズムが使用する事前学習済みの人物検出器モデル — 'inria-100x41' モデルは、INRIA Person データセットを使用して学習済みです。'caltech-50x21' モデルは、Caltech Pedestrian データセットを使用して学習されています。
人物検出のためのオーバーラップ率のしきい値 (0 ～ 1) — 四角形 ROI がこのしきい値を超えてオーバーラップすると、アルゴリズムは ROI のいずれかを破棄します。
人物検出のための分類スコアのしきい値 — スコアを高くすると、アルゴリズムの予測の信頼度が向上します。スコアがこのしきい値を下回る四角形は破棄されます。

ACF 車両検出器 (Automated Driving Toolbox が必要)

集約チャネル特徴 (ACF) を使用して車両を検出し、ラベルを付けます。このアルゴリズムは、関数 vehicleDetectorACF (Automated Driving Toolbox) に基づいています。このアルゴリズムを使用するには、少なくとも 1 つの四角形 ROI ラベルを定義しなければなりません。ROI ラベルを描画する必要はありません。

アルゴリズムの結果を改善するには、最初に [設定] をクリックします。これらの設定はいずれも変更可能です。

アルゴリズムが使用する事前学習済みの車両検出器モデル — 'full-view' モデルは、車両の前側、後側、左側および右側の遮蔽されていないイメージを使用して学習済みです。'front-rear-view' モデルは、車両の前側と後側のみのイメージを使用して学習済みです。
車両検出のためのオーバーラップ率のしきい値 (0 ～ 1) — 四角形 ROI がこのしきい値を超えてオーバーラップすると、アルゴリズムは ROI のいずれかを破棄します。
車両検出のための分類スコアのしきい値 — スコアを高くすると、アルゴリズムの予測の信頼度が向上します。スコアがこのしきい値を下回る四角形は破棄されます。

monoCamera (Automated Driving Toolbox) オブジェクトを MATLAB ワークスペースにインポートして、キャリブレーションされた単眼カメラをもつ検出器を構成することもできます。車両の長さと幅の範囲をメートルなどのワールド単位で指定します。

参考

トピック

R2018a で導入

イメージラベラー

説明

イメージラベラーアプリを開く