train_class_gmm — MV `classify` op

• 데이터 종류: matrix → table

• 호출: import fullseye as fs; fs.ledger.train_class_gmm(features, labels, n_centers=1, iterations=100, tol=1e-06, regularize=1e-06, seed=0)(구현을 직접 호출하려면 import mvclass; mvclass.train_class_gmm(features, labels, n_centers=1, iterations=100, tol=1e-06, regularize=1e-06, seed=0), 원장에서 가져오려면 opsmv.get("train_class_gmm"))

• HALCON 대응: train_class_gmm(의미·매개변수는 HALCON 레퍼런스가 참고가 됩니다)

• GPU: 없음(CPU 참조 구현만)

사용법

클래스마다 혼합 정규 분포를 EM으로 학습한다.

> 아래 상세 설명은 원문입니다 —— 요약과 제목은 번역되어 있습니다.

事前確率はクラスの行数の比。n_centers=1 は 2 次判別分析と同じ。空の入力(features が 0 要素)は ValueError。

Args:

features: (N, D) の特徴。

labels: 長さ N のクラス(2 種類以上)。

n_centers: クラスあたりの成分数(>= 1)。

iterations: EM の上限回数(>= 1)。

tol: 対数尤度の相対変化の収束判定。

regularize: 共分散の対角に足す値(> 0)。

seed: 初期中心を選ぶ乱数の種。

Returns:

classes、priors、components を持つモデルの dict。

자세한 사용 가이드

• machine_vision_classics 패밀리 가이드

참고(샘플 데이터·문헌)

• 샘플 데이터 카탈로그(DL URL / 라이선스) —— 2-D 는 skimage.data(BSD/public)+ 합성, 3-D 는 실데이터 소스(Stanford/PDS 등)의 DL URL.

• 연산자의 내력·참고문헌 —— 이 연산자 족의 바탕이 된 연구/기법의 출처.

• 알고리즘의 정전(저자·연도)과 용도는 위의 패밀리 사용 가이드에 적혀 있습니다.

실행 가능한 예제(이 연산자를 실제로 호출하는 검증된 샘플)

• machine_vision_tour — py -3.11 examples/machine_vision_tour.py

타입이 이어지는 다음 연산자(`table` 를 입력으로 받는 것)

map_image · rectify_to_world_plane · change_radial_distortion_image · find_ncc_models · run_bg_esti · give_bg_esti · update_bg_esti · classify_class_gmm

같은 카테고리(`classify`)

classify_class_gmm · evaluate_class_gmm · train_class_knn · classify_class_knn · train_class_mlp · classify_class_mlp · train_class_svm · classify_class_svm

*Provenance: mvclass.py — MV 연산자 레지스트리. 이 op 노트는 tools/opdocs.py md 가 자동 생성합니다(직접 편집하지 마세요).*

train_class_gmm — MV classify op

사용법