网淘巴来吧,欢迎您!

返回首页 微信
微信
手机版
手机版

set_texture_inspection_model_param -设置纹理检测模型的参数

2022-11-07 新闻来源:网淘巴 围观:349
''

简短描述

 set_texture_inspection_model_param -设置纹理检测模型的参数。

签名

set_texture_inspection_model_param( : : TextureInspectionModel, GenParamName, GenParamValue : )

描述

操作符set_texture_inspection_model_param用于操作纹理检查模型TextureInspectionModel的参数。当前参数设置可以通过操作符get_texture_inspection_model_param查询。

一般参数:

 

“num_levels”:

确定纹理检查过程中使用的金字塔层数。金字塔层的数量影响了检查结果以及train_texture_inspection_model和apply_texture_inspection_model的运行时。默认情况下,级别的数量由训练图像的大小估计。需要注意的是,估计过程使用的金字塔级别不超过5个。改变这个参数可能需要对纹理检查模型进行全新的训练。如果只减少训练过的纹理检查模型的层数,则不需要再训练。如果在你的图像纹理非常粗糙,较低的金字塔层次可能不需要成功的检查。然后你可以通过显式地使用` levels `设置感兴趣的级别来节省大量的运行时间。

值:大于或等于1或'auto'的整数值

默认值:` auto `

 

` levels `:

确定在纹理检查过程中使用的金字塔级别。金字塔层次的数量会影响检查结果,也会影响train_texture_inspection_model和apply_texture_inspection_model的运行时间。默认情况下金字塔的等级是由'num_levels'的值决定的。例如,如果` num_levels `设置为4,那么纹理检查将针对级别1到4执行。如果所有可用的级别都应该训练,该值必须设置为“auto”。改变这个参数可能需要对纹理检查模型进行全新的训练。如果只减少训练后的纹理检测模型的层数,则不需要再训练。如果在你的图像纹理非常粗糙,较低的金字塔层次可能不需要成功的检查。然后,你可以通过显式地使用` levels `设置金字塔的级别来排除不需要的级别,从而节省大量运行时间。为了避免对返回的元组长度的混淆,'levels'只能单独设置,即不传递任何其他参数给set_texture_inspection_model_param。

值:由大于或等于1的整数值组成的单调递增元组,或'auto'

默认值:` auto `

 

“gen_result_handle”:

此参数确定apply_texture_inspection_model是否返回结果句柄。如果设置为` true `,则可以使用get_texture_inspection_result_object从纹理结果句柄中查询单个金字塔级别的结果。这对于调试和微调非常有用。

如果设置为'false', apply_texture_inspection_model只返回一个新区域。

值:` true `, ` false `

默认值:` false `

参数影响自动新奇阈值计算:

 

novelty[文]_thresh[章]old&rdq[来]uo;:

这个参数设置了[自]新颖性阈值,用[网]来区分缺陷纹理[淘]和非缺陷纹理。[巴]新颖性阈值作为[文]元组通过,并为[章]所有金字塔级别[来]同时设置。因此[自],元素的数量必[网]须等于金字塔层[淘]数'num_lev[巴]els'。训练前设置新[文]颖性阈值没有影[章]响,因为训练自[来]动确定新颖性阈[自]值。因此,在训[网]练结束后应调整[淘]新颖性阈值。一[巴]个典型的用例是[文]优化apply[章]_textur[来]e_inspe[自]ction_m[网]odel结果的[淘]微调。请注意,[巴]如果新颖性阈值[文]已显式设置,则[章]新调用trai[来]n_textu[自]re_insp[网]ection_[淘]model将自[巴]动重新估计新颖[文]性阈值并覆盖任[章]何显式设置的新[来]颖性阈值。可以[自]添加一个索引来[网]设置特定金字塔[淘]级别的新颖性阈[巴]值。例如,'novelty[文]_thresh[章]old_3'为第三金字塔层[来]设置新颖性阈值[自]

取值:大于或等[网]于0,小于或等[淘]于710的整数[巴]或浮点值

默认值:由tr[文]ain_tex[章]ture_in[来]spectio[自]n_model[网]决定

 

` sensiti[淘]vity `:

这个参数影响在[巴]使用train[文]_textur[章]e_inspe[来]ction_m[自]odel进行训[网]练时确定的新颖[淘]性阈值的灵敏度[巴]。默认的&ld[文]quo;灵敏度[章][来]设置为0.0,[自]这意味着在调用[网]apply_t[淘]exture_[巴]inspect[文]ion_mod[章]el时直接使用[来]来自训练的新奇[自]阈值。如果参数[网][淘]灵敏度&rdq[巴]uo;的值为负[文]值,则将该值添[章]加到新颖性边界[来]。因此,灵敏度[自]值低于0.0会[网]增加新颖性阈值[淘],因此可能会减[巴]少检测到的错误[文]。如果设置了一[章]个正的值,新颖[来]性阈值就会降低[自],这可能会导致[网]检测到更多的错[淘]误。自动确定的[巴]新颖性阈值可以[文]在训练后通过参[章]数&ldquo[来];novelt[自]y_thres[网]hold&rd[淘]quo;进行更[巴]改。

取值:floa[文]t或整数值

默认值:0.0[章]

 

影响纹理特征的[来]参数:

 

[自]patch_n[网]ormaliz[淘]ation&r[巴]dquo;:

确定用于规范化纹理特征的方法。如果不同图像之间的光照不一致,则需要进行规范化。如果设置为“weber”,补丁按照韦伯-费希纳定律进行归一化。如果paramet

 

 

影响GMM分类器的高级参数:

在内部,纹理检测模型使用高斯混合模型(GMM)分类器。一般情况下,建议不要更改GMM参数,但对于有经验的用户来说,这仍然是可能的。

改变这些参数需要对纹理检测模型进行新的训练。

下面将描述影响GMM分类器的参数。有关使用GMM分类器进行分类的更多信息,请参见create_class_gmm和train_class_gmm。

“gmm_sigma”:这个参数决定了添加到训练样本中的高斯噪声的标准差(参见add_sample_class_gmm)。

取值:大于或等于0.0的整数或浮点值

默认值:0.0

 

“gmm_pmincenters”:

这个参数决定了每个类的最小高斯分布数。'gmm_pmincenters'不能设置为大于'gmm_pmaxcenters'当前值的值。

值:大于等于1的整型值,小于等于'gmm_pmaxcenters'

默认值:12

 

“gmm_pmaxcenters”:

这个参数决定了每个类的高斯分布的最大数量。'gmm_pmaxcenters'不能设置为小于'gmm_pmincenters'当前值的值。

值:大于或等于'gmm_pmincenters'的整型值

默认值:12

 

“gmm_preprocessing”:

该参数确定用于转换特征向量的预处理类型。

价值观:‘principal_components’,‘没有’

默认值:“没有”

 

“gmm_ncomp”:

这个参数在选择'principal_components'作为预处理方法的情况下操作预处理。更具体地说,它决定了变换后的特征向量的维数。它的选择需要使其小于特征维,特征维是PatchSize PatchSize。如果修改了“PatchSize PatchSize gmm_ncomp”,则会对该参数进行相应的操作。

取值范围:大于等于1的整数

默认值:15

 

“gmm_randseed”:

该参数确定随机数生成器的初始化值,需要使用随机值初始化GMM。

价值观:整数值

默认值:42

 

“gmm_em_max_iter”:

这个参数决定了期望最大化算法的最大迭代次数。

取值:大于等于0的整数值

默认值:100

 

“gmm_em_threshold”:

该参数确定了期望最大化算法终止时误差相对变化的阈值。

取值范围:大于等于0小于1.0的整数或浮点值

默认值:0.001

 

“gmm_em_regularize”:

这个参数决定了训练过程中防止协方差矩阵奇异的正则化值。

取值范围:大于等于0小于1.0的整数或浮点值

默认值:0.0001

 

参数

texture_inspectionmodel (input_control, state is modified)→(integer)

 

纹理检查模型的句柄。

 

GenParamName (input_control) attribute.name(-array)→(string)

 

要调整的模型参数名称。

 

默认值:“gen_result_handle”

 

值列表:'gen_result_handle', 'gmm_em_max_iter', ' gmm_em_regul_', 'gmm_em_threshold', 'gmm_ncomp', 'gmm_pmaxcenters', 'gmm_pmincenters', ' gmm_预处理','gmm_randseed', 'gmm_sigma', 'levels', 'novelty_threshold', 'num_levels', 'patch_normalization', ' patch_rotational_鲁棒','patch_size', 'sensitivity'

 

GenParamValue (input_control) attribute.value(-array)→(integer / real / string)

 

模型参数的新值。

 

默认值:` true `

 

值列表:5,'auto', 'false', 'none', 'normalization', 'principal_components', 'true', 'weber'

 

例程

 

 

免责申明
部分文章来自各大搜索引擎,如有侵权,请与我联系删除。
打赏

本文链接:https://www.wtao8.com/post/237.html 转载需授权!

分享到:

相关文章

龙年
大发