分类器简介
机器学习在Helcon中的一个重要应用就是用于图像分类任务。Halcon中常用的分类器有GMM(高斯混合模型)、Neural Nets(神经网络)、SVM(支持向量机)等。一般应付常见的分类问题,这些就足够了。
使用方法
一般使用过程:创建分类器(create_class_…)
获取各个类别的特征向量
将各个类别训练样本的特征向量添加到分类器中(add_sample_class_…)
训练(train_class_…)
获取待分类图像的特征向量
通过分类器计算特征向量的类(classify_class_…)
清除分类器(clear_class_…)
当然,若希望在训练结束后保存训练模型,然后每次使用时通过读取训练模型来实现分类的话,则需要添加模型的保存(write_class_…)与读取(read_class_)。
应用示例
分类对象0为:
以MLP分类器为例:图像和代码read_image(Image1, 'Big/大帽正常2017-2-16_16_5_520.bmp')
Classes := ['Big','Small']
*获取特征向量
gen_features (Image1, FeatureVector0)
*创建一个多层感知器
create_class_mlp (|FeatureVector0|,