cluster_model_componentscluster_model_componentsClusterModelComponentsClusterModelComponents (Operator)

Name

cluster_model_componentscluster_model_componentsClusterModelComponentsClusterModelComponents — Übernahme neuer Parameter zur Bildung der Modellkomponenten in das Trainingsergebnis.

Signatur

Beschreibung

Mit cluster_model_componentscluster_model_componentsClusterModelComponentsClusterModelComponentsClusterModelComponents lassen sich Parameter ändern nachdem ein erstes Training mit train_model_componentstrain_model_componentsTrainModelComponentsTrainModelComponentsTrainModelComponents erfolgt ist. cluster_model_componentscluster_model_componentsClusterModelComponentsClusterModelComponentsClusterModelComponents ändert das Kriterium AmbiguityCriterionAmbiguityCriterionAmbiguityCriterionAmbiguityCriterionambiguityCriterion zur Lösung der Mehrdeutigkeiten, die maximale Konturüberlappung MaxContourOverlapMaxContourOverlapMaxContourOverlapMaxContourOverlapmaxContourOverlap und den Cluster-Schwellwert ClusterThresholdClusterThresholdClusterThresholdClusterThresholdclusterThreshold des Trainingsergebnisses ComponentTrainingIDComponentTrainingIDComponentTrainingIDComponentTrainingIDcomponentTrainingID auf die angegebenen Werte ab. Eine detaillierte Beschreibung dieser Parameter ist in der Dokumentation zu train_model_componentstrain_model_componentsTrainModelComponentsTrainModelComponentsTrainModelComponents nachzulesen. Durch das Ändern dieser Parameter ändert sich die Art, wie die initialen Komponenten zu starren Modellkomponenten zusammengefasst werden. Je größer z.B. der Cluster-Schwellwert gewählt wird, desto weniger Zusammenschlüsse finden statt. Die für eine bestimmte Anwendung geeigneten Parameterwerte lassen sich durch wiederholten Aufruf von inspect_clustered_componentsinspect_clustered_componentsInspectClusteredComponentsInspectClusteredComponentsInspectClusteredComponents interaktiv finden. Die ausgewählten Parameterwerte können dann mit get_training_componentsget_training_componentsGetTrainingComponentsGetTrainingComponentsGetTrainingComponents übernommen werden.

Die starren Modellkomponenten werden in ModelComponentsModelComponentsModelComponentsModelComponentsmodelComponents zurückgeliefert. Um sinnvolle Ergebnisse zu erhalten, ist es wichtig in TrainingImagesTrainingImagesTrainingImagesTrainingImagestrainingImages dieselben Trainingsbilder zu übergeben, die auch zum Trainieren mit train_model_componentstrain_model_componentsTrainModelComponentsTrainModelComponentsTrainModelComponents verwendet wurden. Die Lage der neu zusammengefassten Komponenten in den Trainingsbildern wird erneut mit Hilfe des formbasierten Matchings bestimmt. Dabei kann mit set_system('pregenerate_shape_models',...)set_system("pregenerate_shape_models",...)SetSystem("pregenerate_shape_models",...)SetSystem("pregenerate_shape_models",...)SetSystem("pregenerate_shape_models",...) wie bei train_model_componentstrain_model_componentsTrainModelComponentsTrainModelComponentsTrainModelComponents entschieden werden, ob die entsprechenden Formmodelle vorab generiert werden sollen. Es kann sein, dass Modelle, die in einer Pyramidenebene den Bildrand berühren, nicht gefunden werden, auch wenn sie im ursprünglichen Bild vollständig enthalten sind. Mittels set_system('border_shape_models',...)set_system("border_shape_models",...)SetSystem("border_shape_models",...)SetSystem("border_shape_models",...)SetSystem("border_shape_models",...) kann festgelegt werden, ob die Modelle vollständig in den Trainingsbildern liegen müssen, oder ob sie auch teilweise über den Bildrand hinausragen können.

Ausführungsinformationen

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

Parameter

Beispiel (HDevelop)

* Get the model image.
read_image (ModelImage, 'model_image.tif')
* Define the regions for the initial components.
gen_rectangle2 (InitialComponentRegions, 212, 233, 0.62, 167, 29)
gen_rectangle2 (Rectangle2, 298, 363, 1.17, 162, 34)
gen_rectangle2 (Rectangle3, 63, 444, -0.26, 50, 27)
gen_rectangle2 (Rectangle4, 120, 473, 0, 33, 20)
concat_obj (InitialComponentRegions, Rectangle2, InitialComponentRegions)
concat_obj (InitialComponentRegions, Rectangle3, InitialComponentRegions)
concat_obj (InitialComponentRegions, Rectangle4, InitialComponentRegions)
* Get the training images
gen_empty_obj (TrainingImages)
for i := 1 to 4 by 1
    read_image (TrainingImage, 'training_image-'+i$'02'+'.tif')
    concat_obj (TrainingImages, TrainingImage, TrainingImages)
endfor
* Extract the model components and train the relations.
train_model_components (ModelImage, InitialComponentRegions, \
                        TrainingImages, ModelComponents, 22, 60, 30, 0.65, \
                        0, 0, rad(60), 'speed', 'rigidity', 0.2, 0.5, \
                        ComponentTrainingID)
* Find the best value for the parameter ClusterThreshold.
inspect_clustered_components (ModelComponents, ComponentTrainingID, \
                              'rigidity', 0.2, 0.4)
* Adopt the ClusterThreshold into the training result.
cluster_model_components (TrainingImages, ModelComponents, \
                          ComponentTrainingID, 'rigidity', 0.2, 0.4)
* Create the component model based on the training result.
create_trained_component_model (ComponentTrainingID, -rad(30), rad(60), 10, \
                                0.5, 'auto', 'auto', 'none', \
                                'use_polarity', 'false', ComponentModelID, \
                                RootRanking)

Ergebnis

Sind die Parameterwerte korrekt, dann liefert cluster_model_componentscluster_model_componentsClusterModelComponentsClusterModelComponentsClusterModelComponents den Wert 2 (H_MSG_TRUE). Das Verhalten bei leerer Eingabe (keine Eingabebilder vorhanden) lässt sich mittels set_system('no_object_result',<Result>)set_system("no_object_result",<Result>)SetSystem("no_object_result",<Result>)SetSystem("no_object_result",<Result>)SetSystem("no_object_result",<Result>) festlegen. Gegebenenfalls wird eine Fehlerbehandlung durchgeführt.

Vorgänger

train_model_componentstrain_model_componentsTrainModelComponentsTrainModelComponentsTrainModelComponents, inspect_clustered_componentsinspect_clustered_componentsInspectClusteredComponentsInspectClusteredComponentsInspectClusteredComponents

Nachfolger

get_training_componentsget_training_componentsGetTrainingComponentsGetTrainingComponentsGetTrainingComponents, create_trained_component_modelcreate_trained_component_modelCreateTrainedComponentModelCreateTrainedComponentModelCreateTrainedComponentModel, modify_component_relationsmodify_component_relationsModifyComponentRelationsModifyComponentRelationsModifyComponentRelations, write_training_componentswrite_training_componentsWriteTrainingComponentsWriteTrainingComponentsWriteTrainingComponents, get_component_relationsget_component_relationsGetComponentRelationsGetComponentRelationsGetComponentRelations, clear_training_componentsclear_training_componentsClearTrainingComponentsClearTrainingComponentsClearTrainingComponents

Modul

Matching