Mein MATLAB Forum - goMatlab.de

Mein MATLAB Forum

 
Gast > Registrieren       Autologin?   

Bücher:

Wahrscheinlichkeits-rechnung und Statistik mit MATLAB

Fachkräfte:
weitere Angebote

Partner:


Vermarktungspartner


Forum
      Option
[Erweitert]
  • Diese Seite per Mail weiterempfehlen
     


Gehe zu:  
Neues Thema eröffnen Neue Antwort erstellen

Computer vision, detector training, multiple bounding boxes

 

MarioSchwedaTH
Forum-Newbie

Forum-Newbie


Beiträge: 1
Anmeldedatum: 05.08.19
Wohnort: ---
Version: ---
     Beitrag Verfasst am: 05.08.2019, 10:32     Titel: Computer vision, detector training, multiple bounding boxes
  Antworten mit Zitat      
Hello,

I tried to train a detector-neural-network, to detect objects and mark them with bounding boxes.
I tried several parameters (epochs, mini batch size, overlaprange).
But after the training, when I use the detector, the detected objects are marked with multiple bboxes, with slightly different positions, instead with only one bbox.

Do anyone know a reason for this? :-)

Greetings,
Mario

------------------------
Here is the code:
------------------------
%%
clc; clear all;

%% Load Dataset

Dataset=load('imageLabelingSession_Billardkugeln_Gelb_Rot_Weiss_BBoxData.mat'); % Laden der Daten

DataPfade = Dataset.gTruth.DataSource.Source ; % Auslesen der Pfade
DataPfade = cell2table(DataPfade) % Umwandeln in Tabelle

DataBBoxes = Dataset.gTruth.LabelData; % Auslesen der BBoxes

DataTable(:,1) = DataPfade; % Eintragen in gemeinsame Tabelle
DataTable(:,2:4) = DataBBoxes;

DataTable.Properties.VariableNames = {'DataPfade' 'Gelb' 'Rot' 'Weiss'} % Umbennen der Spalten

save('DataTable.mat','DataTable') % Speichern


%%
Bildnummer=randi(height(DataPfade));
I = imread(DataTable.DataPfade{Bildnummer});

BBoxMatrix(1,:) = DataTable.Gelb{Bildnummer};
BBoxMatrix(2,:) = DataTable.Rot{Bildnummer};
BBoxMatrix(3,:) = DataTable.Weiss{Bildnummer}

I2 = insertShape(I, 'Rectangle', BBoxMatrix );

figure(1);
imshowpair(I,I2,'montage');


%%
% Set random seed to ensure example training reproducibility.
rng(0);

% Randomly split data into a training and test set.
shuffledIdx = randperm(height(DataTable));
idx = floor(0.6 * height(DataTable));
trainingData = DataTable(shuffledIdx(1:idx),:);
testData = DataTable(shuffledIdx(idx+1:end),:);


options = trainingOptions('sgdm', ...
'MaxEpochs', 20, ...
'MiniBatchSize', 1, ...
'InitialLearnRate', 1e-3, ...
'CheckpointPath', tempdir);



[detector, info] = trainFasterRCNNObjectDetector(trainingData, 'resnet50', options, ...
'NegativeOverlapRange', [0 0.3], ...
'PositiveOverlapRange', [0.6 1]);



%% Verify the training, run the detector on a test image.
clearvars bboxes
clearvars labels
clearvars scores
clearvars V
clearvars W

Bildnummer=randi(height(testData));
I3 = imread(testData.DataPfade{Bildnummer});
% Run the detector.
[bboxes, scores, labels] = detect(detector, I3);

W=[string(scores) string(labels)];

for i=1:size(labels,1)
V(i,1)=strjoin(W(i,:));
end
V
I3 = insertObjectAnnotation(I3, 'rectangle', bboxes, V);

figure(2)
imshow(I3)


%% Evaluate Detector Using Test Set

% Create a table to hold the bounding boxes, scores, and labels output by
% the detector.
numImages = height(testData);
results = table('Size',[numImages 3],...
'VariableTypes',{'cell','cell','cell'},...
'VariableNames',{'Boxes','Scores','Labels'});

% Run detector on each image in the test set and collect results.
for i = 1:numImages

% Read the image.
I = imread(testData.DataPfade{i});

% Run the detector.
[bboxes, scores, labels] = detect(detector, I);

% Collect the results.
results.Boxes{i} = bboxes;
results.Scores{i} = scores;
results.Labels{i} = labels;
end


% Extract expected bounding box locations from test data.
expectedResults = testData(:, 2:end);

% Evaluate the object detector using average precision metric.
[ap, recall, precision] = evaluateDetectionPrecision(results, expectedResults);

% Plot precision/recall curve
figure(4)
hold on
for i=1:3 %Anzahl Label
plot(recall{i,1}, precision{i,1})
end
xlabel('Recall')
ylabel('Precision')
grid on
title(sprintf('Average Precision = %.2f', ap))


%%
BillardKugelDetektor = detector
save BillardKugelDetektor;
Private Nachricht senden Benutzer-Profile anzeigen


Neues Thema eröffnen Neue Antwort erstellen



Einstellungen und Berechtigungen
Beiträge der letzten Zeit anzeigen:

Du kannst Beiträge in dieses Forum schreiben.
Du kannst auf Beiträge in diesem Forum antworten.
Du kannst deine Beiträge in diesem Forum nicht bearbeiten.
Du kannst deine Beiträge in diesem Forum nicht löschen.
Du kannst an Umfragen in diesem Forum nicht mitmachen.
Du kannst Dateien in diesem Forum posten
Du kannst Dateien in diesem Forum herunterladen
.


goMatlab ist ein Teil des goForen-Labels
goForen.de goMATLAB.de goLaTeX.de


 Impressum  | Nutzungsbedingungen  | Datenschutz  | Werbung/Mediadaten | Studentenversion | FAQ | goMatlab RSS Button RSS


Copyright © 2007 - 2021 goMatlab.de | Dies ist keine offizielle Website der Firma The Mathworks
Partner: LabVIEWforum.de

MATLAB, Simulink, Stateflow, Handle Graphics, Real-Time Workshop, SimBiology, SimHydraulics, SimEvents, and xPC TargetBox are registered trademarks and The MathWorks, the L-shaped membrane logo, and Embedded MATLAB are trademarks of The MathWorks, Inc.