add_samples_image_class_knn
— Hinzufügen von Trainingsmustern aus einem Bild zu den
Trainingsdaten eines k-Nearest-Neighbor-Klassifikators.
add_samples_image_class_knn(Image, ClassRegions : : KNNHandle : )
add_samples_image_class_knn
fügt Trainingsmuster aus dem
Bild Image
zu dem durch KNNHandle
gegebenen
k-Nearest-Neighbor-Klassifikator (k-NN) hinzu.
add_samples_image_class_knn
wird dazu verwendet, die
Trainingsmuster bereitzustellen, um einen Klassifikator zur
Pixelklassifikation von mehrkanaligen Bildern mit
classify_image_class_knn
zu trainieren. Die Funktionsweise
von add_samples_image_class_knn
ist analog zu
add_sample_class_knn
. Da der k-NN hier aber
immer zur Klassifikation verwendet wird, muss bei create_class_knn
die korrekte Anzahl an Kanälen angegeben worden sein.
Das Bild Image
muss so viele Kanäle besitzen, wie mit
NumDim
in create_class_knn
festgelegt worden ist.
In ClassRegions
werden die Trainingsgebiete für die Pixelklassen
angegeben. ClassRegions
muss also ein Tupel mit mindestens 2 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_knn
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 langsameren Konvergenz des Trainings und einer schlechteren
Klassifikationsleistung führen kann.
Dieser Operator modifiziert den Zustand des folgenden Eingabeparameters:
Während der Ausführung dieses Operators muss der Zugriff auf den Wert dieses Parameters synchronisiert werden, wenn er über mehrere Threads hinweg verwendet wird.
Image
(input_object) (multichannel-)image →
object (byte / cyclic / direction / int1 / int2 / uint2 / int4 / real)
Trainingsbild.
ClassRegions
(input_object) region-array →
object
Regionen der zu trainierenden Klassen.
KNNHandle
(input_control, Zustand wird modifiziert) class_knn →
(handle)
Handle des k-NN-Klassifikators.
Sind die Parameterwerte korrekt, dann liefert
add_samples_image_class_knn
den Wert 2 (H_MSG_TRUE). Gegebenenfalls
wird eine Fehlerbehandlung durchgeführt.
classify_image_class_knn
,
add_sample_class_knn
,
add_samples_image_class_svm
Foundation