get_deep_counting_model_param — Auslesen der Parameter des Deep Counting-Modells.
get_deep_counting_model_param( : : DeepCountingHandle, GenParamName : GenParamValue)
get_deep_counting_model_param gibt die Parameterwerte von
GenParamName für das Deep Counting-Modell DeepCountingHandle
in GenParamValue aus.
Falls Parameter geändert werden, welche die Templategenerierung beeinflussen,
muss diese durch einen erneuten Aufruf von prepare_deep_counting_model
durchgeführt werden bevor das Modell wieder mittels
apply_deep_counting_model angewendet werden kann.
Die folgende Tabelle gibt einen Überblick,
welche Parameter mit set_deep_counting_model_param oder
create_deep_counting_model geändert werden können (set),
welche mit get_deep_counting_model_param abgefragt werden
können (get),
und bei welchen nach einer Änderung erneut prepare_deep_counting_model
aufgerufen werden muss (prepare).
GenParamName |
set |
get |
Benötigt prepare |
|---|---|---|---|
| 'angle_start' | x |
x |
x |
| 'angle_step' | x |
x |
x |
| 'angle_end' | x |
x |
x |
| 'backbone_model' | x |
x |
x |
| 'device' | x |
x |
x |
| 'max_overlap' | x |
x |
|
| 'min_score' | x |
x |
|
| 'scale_max' | x |
x |
x |
| 'scale_min' | x |
x |
x |
| 'scale_step' | x |
x |
x
|
Im Folgenden werden die Parameter GenParamName, deren Werte mit
get_deep_counting_model_param abgefragt werden können, aufgelistet und
erläutert.
Einstellen des automatischen Rotierens von Templates.
Templates, die an prepare_deep_counting_model übergeben werden,
werden automatisch von 'angle_start' bis 'angle_end'
in Schritten von 'angle_step' gedreht.
Dadurch kann apply_deep_counting_model rotierte Instanzen besser
finden.
Die Winkel müssen im Bogenmaß angegeben werden.
Wertevorschläge: 0, -6.28, -3.14, 3.14, 6.28
Default: 'angle_start' = 0, 'angle_end' = 0, 'angle_step' = 'rad(30)'
Restriktion: <= 'angle_start' <= 'angle_end' <= , 'angle_step' > 0
Das Backbone wird für das Finden der Templates im Suchbild verwendet.
Es wird automatisch von create_deep_counting_model erzeugt.
Es kann abgerufen und zurückgeschrieben werden um es beispielsweise
mittels optimize_dl_model_for_inference zu optimieren.
Zu beachten ist, dass die Größe der Eingaben automatisch vom Deep Counting-Modell anhand der Größe der Templates und der Suchbilder berechnet und gesetzt wird. Ein manuelles Einstellen dieser Größen hat deshalb keinen Effekt und es wird auch nicht empfohlen. Weiterhin ist zu beachten, dass das Backbone nicht für andere Deep Learning-Anwendungen verwendet werden kann.
Handle der Hardware-Einheit, auf der das Backbone ausgeführt wird.
Falls das Modell bereits für eine Hardware-Einheit optimiert wurde,
ist das Setzen von 'device' in manchen Fällen nicht mehr zusätzlich
notwendig, siehe optimize_dl_model_for_inference für Details dazu.
Ein Tupel aller Handles aller potentiell Deep Learning fähigen Geräte kann
über query_available_dl_devices erzeugt werden.
Default: Handle des der standardmäßig gesetzten GPU, d.h. die GPU mit Index 0. Falls keine GPU vorhanden ist, ein leeres Tupel.
Maximal erlaubte Überlappung (intersection over union, IoU) zweier gefundenen Instanzen. Falls zwei Instanzen einen IoU haben welcher 'max_overlap' überschreitet wird die Instanz mit der geringeren Ähnlichkeit zu den Templates entfernt. Falls 'max_overlap' auf 0 gesetzt wird, ist keinerlei Überlappung erlaubt. Der IoU wird genauer im Kapitel Deep Learning / Objektdetektion und Instanz-Segmentierung beschrieben.
Wertevorschläge: 0.3, 0.5, 0.7, 1.0
Default: 'max_overlap' = 0.5
Restriktion: 0 <= 'max_overlap' <= 1
Mindestähnlichkeit der gefundenen Instanzen zu einer der an
prepare_deep_counting_model übergebenen Templates.
Instanzen die eine geringere Ähnlichkeit aufweisen werden ignoriert.
Das vom Deep Counting-Modell berechnete Ähnlichkeitsmaß
liegt zwischen 0 (keine Ähnlichkeit) und 1
(sehr hohe Ähnlichkeit).
Wertevorschläge: 0.2, 0.3, 0.4, 0.5
Default: 'min_score' = 0.4
Restriktion: 0 < 'min_score' <= 1
Einstellen des automatischen Skalierens von Templates.
Templates, die an prepare_deep_counting_model übergeben werden,
werden automatisch von 'scale_min' bis 'scale_max'
in Schritten von 'scale_step' skaliert.
Dadurch kann apply_deep_counting_model skalierte Instanzen besser
finden.
Wertevorschläge: 0.9, 1.0, 1.1
Default: 'scale_min' = 1.0, 'scale_max' = 1.0, 'scale_step' = 0.1
Restriktion: 0 < 'scale_min' <= 'scale_max', 'scale_step' > 0
DeepCountingHandle (input_control) deep_counting → (handle)
Handle des Deep Counting-Modells.
GenParamName (input_control) attribute.name → (string)
Name des generischen Parameters.
Default: 'angle_start'
Werteliste: 'angle_end', 'angle_start', 'angle_step', 'backbone_model', 'device', 'max_overlap', 'min_score', 'scale_max', 'scale_min', 'scale_step'
GenParamValue (output_control) attribute.name → (real / string / integer)
Wert des generischen Parameters.
Sind die Parameterwerte korrekt, dann liefert
get_deep_counting_model_param den Wert 2 (
H_MSG_TRUE)
.
Gegebenenfalls wird eine Fehlerbehandlung durchgeführt.
create_deep_counting_model,
set_deep_counting_model_param,
read_deep_counting_model
Matching