add_samples_image_class_mlp — Hinzufügen von Trainingsmustern aus einem Bild zu den
Trainingsdaten eines mehrschichtigen Perzeptrons.
add_samples_image_class_mlp(Image, ClassRegions : : MLPHandle : )
add_samples_image_class_mlp fügt Trainingsmuster aus dem
Bild Image zu dem durch MLPHandle gegebenen
mehrschichtigen Perzeptron (MLP) hinzu.
add_samples_image_class_mlp wird dazu verwendet, die
Trainingsmuster bereitzustellen, um einen Klassifikator zur
Pixelklassifikation von mehrkanaligen Bildern mit
classify_image_class_mlp zu trainieren. Die Funktionsweise
von add_samples_image_class_mlp ist analog zu
add_sample_class_mlp. Da das MLP hier aber immer zur
Klassifikation verwendet wird, muss bei create_class_mlp
OutputFunction = 'softmax' angegeben werden.
Das Bild Image muss so viele Kanäle besitzen, wie mit
NumInput in create_class_mlp festgelegt worden ist.
In ClassRegions werden die Trainingsgebiete für die
NumOutput Pixelklassen angegeben. ClassRegions
muss also ein Tupel mit NumOutput 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_mlp 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.
MLPHandle (input_control, Zustand wird modifiziert) class_mlp → (handle)
Handle des MLP.
Sind die Parameterwerte korrekt, dann liefert
add_samples_image_class_mlp den Wert 2 (H_MSG_TRUE). Gegebenenfalls
wird eine Fehlerbehandlung durchgeführt.
train_class_mlp,
write_samples_class_mlp
classify_image_class_mlp,
add_sample_class_mlp,
clear_samples_class_mlp,
get_sample_num_class_mlp,
get_sample_class_mlp,
add_samples_image_class_svm
Foundation