| Operatoren |
add_samples_image_class_gmm — Hinzufügen von Trainingsmustern aus einem Bild zu den Trainingsdaten eines Gaussian Mixture Models.
add_samples_image_class_gmm(Image, ClassRegions : : GMMHandle, Randomize : )
add_samples_image_class_gmm fügt Trainingsmuster aus dem Bild Image zu dem durch GMMHandle gegebenen Gaussian Mixture Model (GMM) hinzu. add_samples_image_class_gmm wird dazu verwendet, die Trainingsmuster bereitzustellen, um einen Klassifikator zur Pixelklassifikation von mehrkanaligen Bildern mit classify_image_class_gmm zu trainieren. Die Funktionsweise von add_samples_image_class_gmm ist analog zu add_sample_class_gmm. Das Bild Image muss so viele Kanäle besitzen, wie mit NumDim in create_class_gmm festgelegt worden ist. In ClassRegions werden die Trainingsgebiete für die NumClasses Pixelklassen angegeben. ClassRegions muss also ein Tupel mit NumClasses Regionen beinhalten. Die Reihenfolge der Regionen in ClassRegions legt die Klassen der Pixel fest. Falls in Image 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_gmm Trainingsmuster für alle relevanten Pixelklassen bereitzustellen. Die Regionen in ClassRegions sollten repräsentative Trainingsmuster für die jeweiligen Klassen enthalten. Sie brauchen deshalb das Eingabebild nicht zu überdecken. Die Regionen in ClassRegions 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 schlechteren Klassifikationsleistung führen kann. Ganzzahlige Bilddaten können ungeeignet für eine Modellierung mit GMMs sein. Randomize kann verwendet werden, um dieses Problem zu umgehen. Dies ist im Detail bei add_sample_class_gmm erklärt.
Dieser Operator modifiziert den Zustand des folgenden Eingabeparameters:
Der Wert dieses Parameters darf nicht über mehrere Threads verwendet werden.Trainingsbild.
Regionen der zu trainierenden Klassen.
Handle des GMM.
Standardabweichung des Gaußschen Rauschens, das zu den Trainingsdaten hinzugefügt wird.
Defaultwert: 0.0
Wertevorschläge: 0.0, 1.5, 2.0
Restriktion: Randomize >= 0.0
Sind die Parameterwerte korrekt, dann liefert add_samples_image_class_gmm den Wert 2 (H_MSG_TRUE). Gegebenenfalls wird eine Fehlerbehandlung durchgeführt.
train_class_gmm, write_samples_class_gmm
classify_image_class_gmm, add_sample_class_gmm, clear_samples_class_gmm, get_sample_num_class_gmm, get_sample_class_gmm
Foundation
| Operatoren |