【HALCON】add_sample_class_train_data 関数について - トレーニングデータにサンプルを追加

HALCONのadd_sample_class_train_data関数は、トレーニングデータセットに新しいサンプルを追加するために使用されます。この関数により、サンプルの特徴ベクトルとクラスIDを指定してデータを拡張し、分類モデルの精度を向上させることが可能です。主に画像分類やパターン認識において、モデルを強化するために利用されます。

使用例

以下は、add_sample_class_train_data関数を使用してトレーニングデータにサンプルを追加する具体的な例です。

* トレーニングデータセットを作成
create_class_train_data(&TrainDataHandle)

* 特徴ベクトルとクラスIDを指定してサンプルを追加
add_sample_class_train_data(TrainDataHandle, "row", [0.5, 1.2, 0.8], 1)

* 別のサンプルを追加
add_sample_class_train_data(TrainDataHandle, "row", [2.1, 0.4, 1.7], 0)

* トレーニングモデルの実行
train_class_model(TrainDataHandle)

この例では、まずcreate_class_train_data関数でトレーニングデータセットを作成し、次にadd_sample_class_train_data関数を使って特徴ベクトルとクラスIDを指定してサンプルを追加しています。その後、train_class_model関数でモデルをトレーニングしています。

引数

• ClassTrainDataHandle
  トレーニングデータセットのハンドル。create_class_train_data関数で生成されたハンドルを使用します。

• Order
  特徴ベクトルの順序を指定します。row、column、またはfeature_columnのいずれかを指定可能です。

• Features
  追加するサンプルの特徴ベクトルです。各サンプルの特徴を数値の配列として指定します。

• ClassID
  サンプルのクラスIDを整数で指定します。

戻り値

add_sample_class_train_data関数は、追加されたサンプルが適用されたトレーニングデータセットを返します。このデータセットは、後のトレーニングフェーズで使用され、分類モデルの精度を向上させます。

応用例

サンプルを使ったモデルの強化

この関数は、分類モデルの精度を高めるために、追加サンプルを効率的に使用します。以下に、複数のサンプルを追加する例を示します。

* 複数のサンプルを追加
add_sample_class_train_data(TrainDataHandle, "row", [1.5, 0.8, 1.9, 3.0, 2.2], 1)
add_sample_class_train_data(TrainDataHandle, "row", [0.6, 1.4, 2.1, 0.5, 1.0], 0)

この例では、トレーニングデータセットに複数の特徴ベクトルを追加し、それぞれのサンプルにクラスIDを割り当てています。これにより、データセットが拡張され、モデルのトレーニング精度が向上します。

注意点

• Featuresの長さは、モデルの構造に合った正確な次元である必要があります。不一致があるとエラーが発生する可能性があります。
• サンプルを追加した後は、train_class_model関数でモデルを再トレーニングする必要があります。新しく追加されたサンプルがモデルに反映されるには、再トレーニングが必要です。

まとめ

HALCONのadd_sample_class_train_data関数は、既存のトレーニングデータに新しいサンプルを追加するための重要なツールです。この関数を使用してトレーニングデータセットを拡張し、分類モデルの精度を向上させることができます。特に画像分類や機械学習タスクにおいて、データセットの強化に役立ちます。