apply_deep_counting_model — Anwenden eines Deep Counting-Modells auf mehreren Bildern.
apply_deep_counting_model(Image : : DeepCountingHandle : Count, DeepCountingResult)
apply_deep_counting_model wendet das durch DeepCountingHandle
gegebene Deep Counting-Modell auf die Eingabebilder im Tupel Image an.
Ein Tupel mit der Anzahl der gefundenen Instanzen pro Bild wird in
Count zurückgegeben.
Weitere Details der gefundenen Instanzen werden in DeepCountingResult
zurückgegeben, ein Tupel mit einem Ergebnis-Dictionary pro Eingabebild.
Templates der zu zählenden Objekte müssen vorher mit
prepare_deep_counting_model gesetzt werden.
Die Inferenzzeit von apply_deep_counting_model hängt von der
Anzahl der definierten Templates in prepare_deep_counting_model ab.
Für weitere Informationen zu Deep Counting siehe das Kapitel Matching / Deep Counting.
Die Prozedur dev_display_deep_count_results kann zum Darstellen
der Ergebnisse verwendet werden.
Die Einstellungen 'min_score' und 'max_overlap'
können verwendet werden, um die mindestähnlichkeit der Instanzen
zu den Templates sowie die erlaubte Überlappung der gefundenen
Instanzen festzulegen.
Details hierzu finden sich in get_deep_counting_model_param.
Die in DeepCountingResult zurückgegebenen Dictionaries enthalten
weitere Details über die gefundenen und gezählten Instanzen.
Die Dictionaries enthalten die folgenden Schlüssel.
Unter jedem Schlüssel ist ein Tupel gespeichert welches einen Wert pro
gefundener Instanz enthält.
Falls keine Instanzen gefunden wurden sind die Tupel leer.
Ungefähre Fläche der gefundenen Templates in Pixeln.
Zeilen- und Spaltenkoordinaten der ungefähren Positionen der gefundenen Instanzen im Eingabebild.
Ähnlichkeitsmaß der gefundenen Instanzen, d.h. ihre ungefähre
Ähnlichkeit zu den an prepare_deep_counting_model
übergebenen Templates.
Index des Templates, welches die höchste Ähnlichkeit zu der gefundenen Instanz hat. Dieser Wert kann verwendet werden, um herauszufinden, welche Templates gezählt wurden.
Winkel und Skalierung des Templates mit der höchsten Ähnlichkeit
zu der gefundenen Instanz.
Falls die automatische Rotations- oder Skalierungserweiterung
der Templates beim Aufruf von prepare_deep_counting_model
aktiviert ist, können diese Werte verwendet werden, um herauszunfinden
welcher Rotationswinkel und Skalierung ein Template generiert welches am
Ähnlichsten zu der gefundenen Instanz ist.
Systemvoraussetzungen:
Um diesen Operator auf der GPU auszuführen (siehe get_deep_counting_model_param),
werden cuDNN und cuBLAS benötigt.
Für weitere Details wird auf den „Installation Guide“,
Abschnitt „Requirements for Deep Learning and Deep-Learning-Based Methods“,
verwiesen.
Alternativ kann dieser Operator auch auf der CPU ausgeführt werden.
Dieser Operator liefert ein Handle zurück. Es ist zu beachten, dass der Zustand einer Instanz dieses Handletyps durch bestimmte Operatoren geändert werden kann, obwohl das Handle als Eingabeparameter in diesen Operatoren verwendet wird.
Image (input_object) (multichannel-)image(-array) → object (byte / real)
Eingabebild.
DeepCountingHandle (input_control) deep_counting → (handle)
Handle des Deep Counting-Modells.
Count (output_control) integer(-array) → (integer)
Anzahl der gezählten Objekte.
DeepCountingResult (output_control) dict(-array) → (handle)
Tupel mit Ergebnis-Dictionaries.
Sind die Parameterwerte korrekt, dann liefert
apply_deep_counting_model den Wert 2 (
H_MSG_TRUE)
.
Gegebenenfalls wird eine Fehlerbehandlung durchgeführt.
create_deep_counting_model,
set_deep_counting_model_param,
get_deep_counting_model_param,
prepare_deep_counting_model
Matching