train_class_svm — MV `classify` op

• 資料種類:matrix → table

• 呼叫: import fullseye as fs; fs.ledger.train_class_svm(features, labels, C=1.0, epochs=300, lr=0.01)(要直接呼叫實作,import final_genuine2; final_genuine2.train_class_svm(features, labels, C=1.0, epochs=300, lr=0.01);從台帳取用則 opsmv.get("train_class_svm"))

• HALCON 對應:train_class_svm(其含義與參數可參考 HALCON 手冊)

• GPU:無(僅 CPU 參考實作)

用法

訓練線性 SVM（hinge 損失，一對多）。

> 以下的詳細說明為原文 —— 摘要與標題已翻譯。

特徴は標準化してから学習し、mu / sd をモデルに残す(classify_image_class_svm が使う)。one-vs-rest の線形分離なので、一直線に並んだ 3 クラスの真ん中のような配置は苦手(既知の限界)。空の入力(features が 0 要素)は ValueError。

詳細使用指南

• machine_vision_classics 族使用指南

參考(範例資料、文獻)

• 範例資料目錄(下載 URL / 授權) —— 2-D 用 skimage.data(BSD/公有領域)加合成圖,3-D 給出真實資料源(Stanford/PDS 等)的下載 URL。

• 運算子來歷與參考文獻 —— 該運算子族所依據的研究/方法出處。

• 演算法的正典(作者、年份)與用途見上面的族使用指南。

可執行的範例(實際呼叫該運算子並已驗證的樣例)

• machine_vision_tour — py -3.11 examples/machine_vision_tour.py

型別可銜接的下一個運算子(可接受 `table` 作為輸入)

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

同類別(`classify`)

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

*Provenance: final_genuine2.py — MV 運算子登記表。本條目由 tools/opdocs.py md 自動產生(請勿手動編輯)。*

train_class_svm — MV classify op

用法