classify op• Datenarten: matrix → table
• Aufruf: import fullseye as fs; fs.ledger.train_class_mlp(features, labels, hidden=8, epochs=300) (die Implementierung direkt: import final_genuine2; final_genuine2.train_class_mlp(features, labels, hidden=8, epochs=300); aus dem Register: opsmv.get("train_class_mlp"))
• HALCON-Äquivalent: train_class_mlp (Bedeutung und Parameter sind in der HALCON-Referenz nachzulesen)
• GPU: nein (nur CPU-Referenzimplementierung)
Trainiert einen MLP-Klassifikator.
> Die ausführliche Beschreibung unten ist der Originaltext — Zusammenfassung und Überschriften sind übersetzt.
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。
• Leitfaden zur Familie machine_vision_classics
• Katalog der Beispieldaten (Download-URLs / Lizenzen) — 2-D nutzt skimage.data (BSD/Public Domain) plus synthetische Bilder, 3-D nennt Download-URLs echter Datenquellen (Stanford, PDS, …).
• Herkunft und Literatur der Operatoren — die Quellen der Forschung/Verfahren, auf denen diese Operatorfamilie beruht.
• Der kanonische Algorithmus (Autor, Jahr) und seine Anwendungen stehen im Familienleitfaden oben.
• 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
table als Eingabe)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
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. Diese Notiz wird von tools/opdocs.py md erzeugt (nicht von Hand bearbeiten).*
© 2026 Kazufumi Furuse — Fullseye operator documentation. Licensed under Apache-2.0.