add_samples_image_class_svm — Hinzufügen von Trainingsmustern aus einem Bild zu den
Trainingsdaten einer Support-Vektor-Maschine.
add_samples_image_class_svm(Image, ClassRegions : : SVMHandle : )
add_samples_image_class_svm fügt Trainingsmuster aus dem
Bild Image zu der durch SVMHandle gegebenen
Support-Vektor-Maschine (SVM) hinzu.
add_samples_image_class_svm wird dazu verwendet, die
Trainingsmuster bereitzustellen, um einen Klassifikator zur
Pixelklassifikation von mehrkanaligen Bildern mit
classify_image_class_svm zu trainieren. Die Funktionsweise
von add_samples_image_class_svm ist analog zu
add_sample_class_svm.
Das Bild Image muss so viele Kanäle besitzen, wie mit
NumFeatures in create_class_svm festgelegt worden ist. In
ClassRegions werden die Trainingsgebiete für die
NumClasses Pixelklassen angegeben. ClassRegions
muss also ein Tupel mit NumClasses 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_svm
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.
Eine weitere Anwendung ist die automatische Detektion von Abweichungen in
Farben bzw. Texturen. Hierbei wird die SVM, die in dem
Modus 'novelty-detection' erzeugt wurde, eine korrekte Trainingsmenge
übergeben (z.B. Regionen mit Hautpartien für Hautdetektion oder die in dem
Fertigungsprozess als korrekt definierten Texturbeispiele). Anschließend
können mit classify_image_class_svm abweichende Regionen detektiert
werden (z.B. Nicht-Haut Regionen oder Fehler in Texturen).
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.
SVMHandle (input_control, Zustand wird modifiziert) class_svm → (handle)
Handle der SVM.
Sind die Parameterwerte korrekt, dann liefert
add_samples_image_class_svm den Wert TRUE. Gegebenenfalls
wird eine Fehlerbehandlung durchgeführt.
train_class_svm,
write_samples_class_svm
classify_image_class_svm,
add_sample_class_svm,
clear_samples_class_svm,
get_sample_num_class_svm,
get_sample_class_svm,
add_samples_image_class_mlp
Foundation