cluster_model_components
— Übernahme neuer Parameter zur Bildung der Modellkomponenten in das
Trainingsergebnis.
cluster_model_components(TrainingImages : ModelComponents : ComponentTrainingID, AmbiguityCriterion, MaxContourOverlap, ClusterThreshold : )
Mit cluster_model_components
lassen sich Parameter ändern
nachdem ein erstes Training mit train_model_components
erfolgt ist. cluster_model_components
ändert das Kriterium
AmbiguityCriterion
zur Lösung der Mehrdeutigkeiten, die
maximale Konturüberlappung MaxContourOverlap
und den
Cluster-Schwellwert ClusterThreshold
des
Trainingsergebnisses ComponentTrainingID
auf die
angegebenen Werte ab. Eine detaillierte Beschreibung dieser
Parameter ist in der Dokumentation zu train_model_components
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_components
interaktiv finden. Die
ausgewählten Parameterwerte können dann mit
get_training_components
übernommen werden.
Die starren Modellkomponenten werden in ModelComponents
zurückgeliefert. Um sinnvolle Ergebnisse zu erhalten, ist es wichtig
in TrainingImages
dieselben Trainingsbilder zu übergeben,
die auch zum Trainieren mit train_model_components
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',...)
wie bei
train_model_components
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',...)
kann
festgelegt werden, ob die Modelle vollständig in den
Trainingsbildern liegen müssen, oder ob sie auch teilweise über
den Bildrand hinausragen können.
TrainingImages
(input_object) (multichannel-)image(-array) →
object (byte / uint2)
Zum Trainieren der Modellkomponenten verwendete Trainingsbilder.
ModelComponents
(output_object) region(-array) →
object
Konturregionen der starren Modellkomponenten.
ComponentTrainingID
(input_control) component_training →
(handle)
Handle des Trainingsergebnisses.
AmbiguityCriterion
(input_control) string →
(string)
Kriterium zur Lösung der Mehrdeutigkeiten.
Defaultwert: 'rigidity'
Werteliste: 'distance' , 'distance_orientation' , 'orientation' , 'rigidity'
MaxContourOverlap
(input_control) real →
(real)
Maximale Konturüberlappung gefundener initialer Komponenten.
Defaultwert: 0.2
Wertevorschläge: 0.0, 0.1, 0.2, 0.3, 0.4, 0.5, 0.6, 0.7, 0.8, 0.9, 1.0
Minimale Schrittweite: 0.01
Empfohlene Schrittweite: 0.05
Restriktion: 0 <= MaxContourOverlap && MaxContourOverlap <= 1
ClusterThreshold
(input_control) real →
(real)
Schwellwert für das Zusammenfassen initialer Komponenten.
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: 0 <= ClusterThreshold && ClusterThreshold <= 1
* 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)
Sind die Parameterwerte korrekt, dann liefert
cluster_model_components
den Wert 2 (H_MSG_TRUE). Das Verhalten bei leerer
Eingabe (keine Eingabebilder vorhanden) lässt sich
mittels set_system('no_object_result',<Result>)
festlegen.
Gegebenenfalls wird eine Fehlerbehandlung durchgeführt.
train_model_components
,
inspect_clustered_components
get_training_components
,
create_trained_component_model
,
modify_component_relations
,
write_training_components
,
get_component_relations
,
clear_training_components
Matching