最新のリリースでは、このページがまだ翻訳されていません。このページの最新版は英語でご覧になれます。

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

このページをすべて展開する

説明

イメージラベラー アプリを使って、イメージの集合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。imread にファイル形式を追加するには、imformats を使用します。

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 ファイルは imread を使用して読み取られます。たとえば、アプリを開いて一時停止標識イメージの集合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。

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 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 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。

イメージラベラー

説明

イメージラベラーアプリを開く