train_class_mlp — MV `classify` op

• データ種: matrix → table

• 呼び出し: import fullseye as fs; fs.ledger.train_class_mlp(features, labels, hidden=8, epochs=300) (実装を直接呼ぶなら import final_genuine2; final_genuine2.train_class_mlp(features, labels, hidden=8, epochs=300)、台帳から引くなら opsmv.get("train_class_mlp"))

• HALCON 相当: train_class_mlp(意味・パラメータは HALCON リファレンスが参考になる)

• GPU: なし(CPU 参照実装のみ)

使い方

MLP 分類器を学習(train_class_mlp)。

features は (N, D)、labels は (N,)。特徴は学習データの平均・標準偏差で標準化し、その値をモデル(mu / sd)に残す —— classify_image_class_mlp が同じ変換をかける。戻り値は classify_image_class_mlp にそのまま渡せる dict。空の入力(features が 0 要素)は ValueError。

詳しい使い方ガイド

• machine_vision_classics ファミリガイド

参考(サンプルデータ・文献)

• サンプルデータカタログ(DL URL / ライセンス) — 2-D は skimage.data(BSD/public)+ 合成、3-D は実データ源(Stanford/PDS 等)の DL URL。

• 演算子の来歴・参考文献 — この op 族の元になった研究/手法の出典。

• アルゴリズムの正典(著者・年)と用途は上記ファミリ使い方ガイドに記載。

実行できる例(この op を実際に呼ぶ検証済みサンプル)

• machine_vision_tour — py -3.11 examples/machine_vision_tour.py

型が繋がる次の op(`table` を入力に取れる)

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

同カテゴリ(`classify`)

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

*Provenance: final_genuine2.py — MV operator registry. この per-op ノートは tools/opdocs.py md が自動生成(手編集しない)。*

train_class_mlp — MV classify op

使い方