add_samples_image_class_mlpadd_samples_image_class_mlpAddSamplesImageClassMlpadd_samples_image_class_mlpAddSamplesImageClassMlpAddSamplesImageClassMlp (Operator)

Name

add_samples_image_class_mlpadd_samples_image_class_mlpAddSamplesImageClassMlpadd_samples_image_class_mlpAddSamplesImageClassMlpAddSamplesImageClassMlp — Hinzufügen von Trainingsmustern aus einem Bild zu den Trainingsdaten eines mehrschichtigen Perzeptrons.

Signatur

Beschreibung

add_samples_image_class_mlpadd_samples_image_class_mlpAddSamplesImageClassMlpadd_samples_image_class_mlpAddSamplesImageClassMlpAddSamplesImageClassMlp fügt Trainingsmuster aus dem Bild ImageImageImageImageImageimage zu dem durch MLPHandleMLPHandleMLPHandleMLPHandleMLPHandleMLPHandle gegebenen mehrschichtigen Perzeptron (MLP) hinzu. add_samples_image_class_mlpadd_samples_image_class_mlpAddSamplesImageClassMlpadd_samples_image_class_mlpAddSamplesImageClassMlpAddSamplesImageClassMlp wird dazu verwendet, die Trainingsmuster bereitzustellen, um einen Klassifikator zur Pixelklassifikation von mehrkanaligen Bildern mit classify_image_class_mlpclassify_image_class_mlpClassifyImageClassMlpclassify_image_class_mlpClassifyImageClassMlpClassifyImageClassMlp zu trainieren. Die Funktionsweise von add_samples_image_class_mlpadd_samples_image_class_mlpAddSamplesImageClassMlpadd_samples_image_class_mlpAddSamplesImageClassMlpAddSamplesImageClassMlp ist analog zu add_sample_class_mlpadd_sample_class_mlpAddSampleClassMlpadd_sample_class_mlpAddSampleClassMlpAddSampleClassMlp. Da das MLP hier aber immer zur Klassifikation verwendet wird, muss bei create_class_mlpcreate_class_mlpCreateClassMlpcreate_class_mlpCreateClassMlpCreateClassMlp OutputFunction = 'softmax'"softmax""softmax""softmax""softmax""softmax" angegeben werden. Das Bild ImageImageImageImageImageimage muss so viele Kanäle besitzen, wie mit NumInput in create_class_mlpcreate_class_mlpCreateClassMlpcreate_class_mlpCreateClassMlpCreateClassMlp festgelegt worden ist. In ClassRegionsClassRegionsClassRegionsClassRegionsClassRegionsclassRegions werden die Trainingsgebiete für die NumOutput Pixelklassen angegeben. ClassRegionsClassRegionsClassRegionsClassRegionsClassRegionsclassRegions muss also ein Tupel mit NumOutput 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_mlpadd_samples_image_class_mlpAddSamplesImageClassMlpadd_samples_image_class_mlpAddSamplesImageClassMlpAddSamplesImageClassMlp 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.

Parallelisierung

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

Dieser Operator modifiziert den Zustand des folgenden Eingabeparameters:

• MLPHandleMLPHandleMLPHandleMLPHandleMLPHandleMLPHandle

Parameter

Ergebnis

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

Vorgänger

create_class_mlpcreate_class_mlpCreateClassMlpcreate_class_mlpCreateClassMlpCreateClassMlp

Nachfolger

train_class_mlptrain_class_mlpTrainClassMlptrain_class_mlpTrainClassMlpTrainClassMlp, write_samples_class_mlpwrite_samples_class_mlpWriteSamplesClassMlpwrite_samples_class_mlpWriteSamplesClassMlpWriteSamplesClassMlp

Alternativen

read_samples_class_mlpread_samples_class_mlpReadSamplesClassMlpread_samples_class_mlpReadSamplesClassMlpReadSamplesClassMlp

Siehe auch

classify_image_class_mlpclassify_image_class_mlpClassifyImageClassMlpclassify_image_class_mlpClassifyImageClassMlpClassifyImageClassMlp, add_sample_class_mlpadd_sample_class_mlpAddSampleClassMlpadd_sample_class_mlpAddSampleClassMlpAddSampleClassMlp, clear_samples_class_mlpclear_samples_class_mlpClearSamplesClassMlpclear_samples_class_mlpClearSamplesClassMlpClearSamplesClassMlp, get_sample_num_class_mlpget_sample_num_class_mlpGetSampleNumClassMlpget_sample_num_class_mlpGetSampleNumClassMlpGetSampleNumClassMlp, get_sample_class_mlpget_sample_class_mlpGetSampleClassMlpget_sample_class_mlpGetSampleClassMlpGetSampleClassMlp, add_samples_image_class_svmadd_samples_image_class_svmAddSamplesImageClassSvmadd_samples_image_class_svmAddSamplesImageClassSvmAddSamplesImageClassSvm

Modul

Foundation