train_class_gmm — MV `classify` op

• 資料種類:matrix → table

• 呼叫: import fullseye as fs; fs.ledger.train_class_gmm(features, labels, n_centers=1, iterations=100, tol=1e-06, regularize=1e-06, seed=0)(要直接呼叫實作,import mvclass; mvclass.train_class_gmm(features, labels, n_centers=1, iterations=100, tol=1e-06, regularize=1e-06, seed=0);從台帳取用則 opsmv.get("train_class_gmm"))

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

• GPU:無(僅 CPU 參考實作)

用法

以 EM 為每個類別學習高斯混合模型。

> 以下的詳細說明為原文 —— 摘要與標題已翻譯。

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。

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

• poc_real_typewritten_ocr — py -3.11 examples/poc_real_typewritten_ocr.py

• poc_surface_defect_classifiers — py -3.11 examples/poc_surface_defect_classifiers.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`)

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 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_gmm — MV classify op

用法