classify_image_class_mlpclassify_image_class_mlpClassifyImageClassMlpClassifyImageClassMlp (Operator)

Name

classify_image_class_mlpclassify_image_class_mlpClassifyImageClassMlpClassifyImageClassMlp — Klassifizieren eines Bildes durch ein mehrschichtiges Perzeptron.

Signatur

classify_image_class_mlp(Image : ClassRegions : MLPHandle, RejectionThreshold : )

Beschreibung

classify_image_class_mlpclassify_image_class_mlpClassifyImageClassMlpClassifyImageClassMlpClassifyImageClassMlp führt auf dem mehrkanaligen Bild ImageImageImageImageimage eine Pixelklassifikation mit dem mehrschichtigen Perzepton (MLP) MLPHandleMLPHandleMLPHandleMLPHandleMLPHandle durch. Das MLP muss vor der Verwendung von classify_image_class_mlpclassify_image_class_mlpClassifyImageClassMlpClassifyImageClassMlpClassifyImageClassMlp mit train_class_mlptrain_class_mlpTrainClassMlpTrainClassMlpTrainClassMlp trainiert werden. ImageImageImageImageimage muss die bei create_class_mlpcreate_class_mlpCreateClassMlpCreateClassMlpCreateClassMlp mit NumInput spezifizierte Anzahl von Kanälen besitzen. Als Ausgabe werden in ClassRegionsClassRegionsClassRegionsClassRegionsclassRegions NumOutput Regionen als Ergebnis der Pixelklassifikation zurückgegeben. Die Reihenfolge der Regionen in ClassRegionsClassRegionsClassRegionsClassRegionsclassRegions entspricht dabei der Reihenfolge der Klassen, wie sie durch die Trainingsregionen in add_samples_image_class_mlpadd_samples_image_class_mlpAddSamplesImageClassMlpAddSamplesImageClassMlpAddSamplesImageClassMlp definiert wurde. Der Parameter RejectionThresholdRejectionThresholdRejectionThresholdRejectionThresholdrejectionThreshold erlaubt die Zurückweisung von zu unsicher klassifizierten Pixeln. Er stellt einen Schwellenwert auf dem von der Klassifikation zurückgelieferten Wahrscheinlichkeitsmaß dar (siehe classify_class_mlpclassify_class_mlpClassifyClassMlpClassifyClassMlpClassifyClassMlp und evaluate_class_mlpevaluate_class_mlpEvaluateClassMlpEvaluateClassMlpEvaluateClassMlp). Alle Pixel mit einer Wahrscheinlichkeit unterhalb von RejectionThresholdRejectionThresholdRejectionThresholdRejectionThresholdrejectionThreshold werden keiner Klasse zugeordnet. Da ein MLP Pixeldaten, die im Merkmalsraum außerhalb der konvexen Hülle der Trainingsdaten liegen, typischerweise mit einer relativ hohen Wahrscheinlichkeit (Konfidenz) einer der Klassen zuordnet, empfiehlt es sich in vielen Fällen trotz der Verwendung von RejectionThresholdRejectionThresholdRejectionThresholdRejectionThresholdrejectionThreshold, eine Rückweisungsklasse explizit zu trainieren, indem mit add_samples_image_class_mlpadd_samples_image_class_mlpAddSamplesImageClassMlpAddSamplesImageClassMlpAddSamplesImageClassMlp Trainingsmuster für die Rückweisungsklasse abgespeichert werden und das Netz mit train_class_mlptrain_class_mlpTrainClassMlpTrainClassMlpTrainClassMlp neu trainiert wird.

Ausführungsinformationen

Multithreading-Typ: reentrant (läuft parallel zu nicht-exklusiven Operatoren).
Multithreading-Bereich: global (kann von jedem Thread aufgerufen werden).
Automatisch parallelisiert auf interner Datenebene.

Parameter

ImageImageImageImageimage (input_object) (multichannel-)image → object (byte / cyclic / direction / int1 / int2 / uint2 / int4 / real)

Eingabebild.

ClassRegionsClassRegionsClassRegionsClassRegionsclassRegions (output_object) region-array → object

Segmentierte Klassen.

MLPHandleMLPHandleMLPHandleMLPHandleMLPHandle (input_control) class_mlp → (integer)

Handle des MLP.

RejectionThresholdRejectionThresholdRejectionThresholdRejectionThresholdrejectionThreshold (input_control) real → (real)

Schwellenwert für die Rückweisung der Klassifikation.

Defaultwert: 0.5

Wertevorschläge: 0.0, 0.1, 0.2, 0.3, 0.4, 0.5, 0.6, 0.7, 0.8, 0.9, 1.0

Restriktion: RejectionThreshold >= 0.0 && RejectionThreshold <= 1.0

Beispiel (HDevelop)

read_image (Image, 'ic')
gen_rectangle1 (Board, 80, 320, 110, 350)
gen_rectangle1 (Capacitor, 359, 263, 371, 302)
gen_rectangle1 (Resistor, 200, 252, 290, 256)
gen_rectangle1 (IC, 180, 135, 216, 165)
concat_obj (Board, Capacitor, Classes)
concat_obj (Classes, Resistor, Classes)
concat_obj (Classes, IC, Classes)
create_class_mlp (3, 3, 4, 'softmax', 'principal_components', 3, 42, \
                  MLPHandle)
add_samples_image_class_mlp (Image, Classes, MLPHandle)
get_sample_num_class_mlp (MLPHandle, NumSamples)
train_class_mlp (MLPHandle, 200, 1, 0.01, Error, ErrorLog)
classify_image_class_mlp (Image, ClassRegions, MLPHandle, 0.5)
dev_display (ClassRegions)
clear_class_mlp (MLPHandle)

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

Vorgänger

train_class_mlptrain_class_mlpTrainClassMlpTrainClassMlpTrainClassMlp, read_class_mlpread_class_mlpReadClassMlpReadClassMlpReadClassMlp

Alternativen

classify_image_class_gmmclassify_image_class_gmmClassifyImageClassGmmClassifyImageClassGmmClassifyImageClassGmm, classify_image_class_knnclassify_image_class_knnClassifyImageClassKnnClassifyImageClassKnnClassifyImageClassKnn, classify_image_class_svmclassify_image_class_svmClassifyImageClassSvmClassifyImageClassSvmClassifyImageClassSvm, classify_image_class_lutclassify_image_class_lutClassifyImageClassLutClassifyImageClassLutClassifyImageClassLut, class_ndim_normclass_ndim_normClassNdimNormClassNdimNormClassNdimNorm, class_2dim_supclass_2dim_supClass2dimSupClass2dimSupClass2dimSup

Siehe auch

add_samples_image_class_mlpadd_samples_image_class_mlpAddSamplesImageClassMlpAddSamplesImageClassMlpAddSamplesImageClassMlp, create_class_mlpcreate_class_mlpCreateClassMlpCreateClassMlpCreateClassMlp

Modul

Foundation

Operatoren