add_samples_image_class_svmadd_samples_image_class_svmAddSamplesImageClassSvmadd_samples_image_class_svmAddSamplesImageClassSvmAddSamplesImageClassSvm (Operator)

Name

add_samples_image_class_svmadd_samples_image_class_svmAddSamplesImageClassSvmadd_samples_image_class_svmAddSamplesImageClassSvmAddSamplesImageClassSvm — Hinzufügen von Trainingsmustern aus einem Bild zu den Trainingsdaten einer Support-Vektor-Maschine.

Signatur

Beschreibung

add_samples_image_class_svmadd_samples_image_class_svmAddSamplesImageClassSvmadd_samples_image_class_svmAddSamplesImageClassSvmAddSamplesImageClassSvm fügt Trainingsmuster aus dem Bild ImageImageImageImageImageimage zu der durch SVMHandleSVMHandleSVMHandleSVMHandleSVMHandleSVMHandle gegebenen Support-Vektor-Maschine (SVM) hinzu. add_samples_image_class_svmadd_samples_image_class_svmAddSamplesImageClassSvmadd_samples_image_class_svmAddSamplesImageClassSvmAddSamplesImageClassSvm wird dazu verwendet, die Trainingsmuster bereitzustellen, um einen Klassifikator zur Pixelklassifikation von mehrkanaligen Bildern mit classify_image_class_svmclassify_image_class_svmClassifyImageClassSvmclassify_image_class_svmClassifyImageClassSvmClassifyImageClassSvm zu trainieren. Die Funktionsweise von add_samples_image_class_svmadd_samples_image_class_svmAddSamplesImageClassSvmadd_samples_image_class_svmAddSamplesImageClassSvmAddSamplesImageClassSvm ist analog zu add_sample_class_svmadd_sample_class_svmAddSampleClassSvmadd_sample_class_svmAddSampleClassSvmAddSampleClassSvm.

Das Bild ImageImageImageImageImageimage muss so viele Kanäle besitzen, wie mit NumFeatures in create_class_svmcreate_class_svmCreateClassSvmcreate_class_svmCreateClassSvmCreateClassSvm festgelegt worden ist. In ClassRegionsClassRegionsClassRegionsClassRegionsClassRegionsclassRegions werden die Trainingsgebiete für die NumClasses Pixelklassen angegeben. ClassRegionsClassRegionsClassRegionsClassRegionsClassRegionsclassRegions muss also ein Tupel mit NumClasses Regionen beinhalten. Die Reihenfolge der Regionen in ClassRegionsClassRegionsClassRegionsClassRegionsClassRegionsclassRegions legt die Klassen der Pixel fest. Falls in ImageImageImageImageImageimage eine zu trainierende Klasse nicht vorkommt, muss an der entsprechenden Stelle des Tupels eine leere Region übergeben werden. Durch diesen Mechanismus können mehrere Bilder verwendet werden, um mit mehrmaligem Aufruf von add_samples_image_class_svmadd_samples_image_class_svmAddSamplesImageClassSvmadd_samples_image_class_svmAddSamplesImageClassSvmAddSamplesImageClassSvm Trainingsmuster für alle relevanten Pixelklassen bereitzustellen.

Die Regionen in ClassRegionsClassRegionsClassRegionsClassRegionsClassRegionsclassRegions sollten repräsentative Trainingsmuster für die jeweiligen Klassen enthalten. Sie brauchen deshalb das Eingabebild nicht zu überdecken. Die Regionen in ClassRegionsClassRegionsClassRegionsClassRegionsClassRegionsclassRegions sollten sich nicht überlappen, da dies dazu führen würde, dass in den Trainingsdaten die Merkmalsvektoren in den Überlappungsbereichen mehreren Klassen zugeordnet wären, was zu einer langsameren Konvergenz des Trainings und einer schlechteren Klassifikationsleistung führen kann.

Eine weitere Anwendung ist die automatische Detektion von Abweichungen in Farben bzw. Texturen. Hierbei wird die SVM, die in dem Modus 'novelty-detection'"novelty-detection""novelty-detection""novelty-detection""novelty-detection""novelty-detection" erzeugt wurde, eine korrekte Trainingsmenge übergeben (z.B. Regionen mit Hautpartien für Hautdetektion oder die in dem Fertigungsprozess als korrekt definierten Texturbeispiele). Anschließend können mit classify_image_class_svmclassify_image_class_svmClassifyImageClassSvmclassify_image_class_svmClassifyImageClassSvmClassifyImageClassSvm abweichende Regionen detektiert werden (z.B. Nicht-Haut Regionen oder Fehler in Texturen).

Parallelisierung

• Multithreading-Typ: exclusive (läuft parallel nur zu unabhängigen Operatoren).
• Multithreading-Bereich: global (kann von jedem Thread aufgerufen werden).
• Wird ohne Parallelisierung verarbeitet.

Parameter

Ergebnis

Sind die Parameterwerte korrekt, dann liefert add_samples_image_class_svmadd_samples_image_class_svmAddSamplesImageClassSvmadd_samples_image_class_svmAddSamplesImageClassSvmAddSamplesImageClassSvm den Wert 2 (H_MSG_TRUE). Gegebenenfalls wird eine Fehlerbehandlung durchgeführt.

Vorgänger

create_class_svmcreate_class_svmCreateClassSvmcreate_class_svmCreateClassSvmCreateClassSvm

Nachfolger

train_class_svmtrain_class_svmTrainClassSvmtrain_class_svmTrainClassSvmTrainClassSvm, write_samples_class_svmwrite_samples_class_svmWriteSamplesClassSvmwrite_samples_class_svmWriteSamplesClassSvmWriteSamplesClassSvm

Alternativen

read_samples_class_svmread_samples_class_svmReadSamplesClassSvmread_samples_class_svmReadSamplesClassSvmReadSamplesClassSvm

Siehe auch

classify_image_class_svmclassify_image_class_svmClassifyImageClassSvmclassify_image_class_svmClassifyImageClassSvmClassifyImageClassSvm, add_sample_class_svmadd_sample_class_svmAddSampleClassSvmadd_sample_class_svmAddSampleClassSvmAddSampleClassSvm, clear_samples_class_svmclear_samples_class_svmClearSamplesClassSvmclear_samples_class_svmClearSamplesClassSvmClearSamplesClassSvm, get_sample_num_class_svmget_sample_num_class_svmGetSampleNumClassSvmget_sample_num_class_svmGetSampleNumClassSvmGetSampleNumClassSvm, get_sample_class_svmget_sample_class_svmGetSampleClassSvmget_sample_class_svmGetSampleClassSvmGetSampleClassSvm, add_samples_image_class_mlpadd_samples_image_class_mlpAddSamplesImageClassMlpadd_samples_image_class_mlpAddSamplesImageClassMlpAddSamplesImageClassMlp

Modul

Foundation