Merkmalsgröße

Alle ViDi-Werkzeuge analysieren Bilder anhand der angegebenen Merkmalsgröße. Die pixelbasierte Merkmalsgröße dient dem Werkzeug als Anhaltspunkt für die erwartete Größe von „sinnvollen“ oder „charakteristischen“ Merkmalen in den Eingabebildern. Das beste Verfahren zur Auswahl der Merkmalsgröße ist es, die Eingabebilder so zu betrachten, als wären Sie ein menschlicher Prüfer. Konzentrieren Sie sich auf die Merkmale im Bild, anhand derer Sie das Bild als „Gültig“ oder „Ungültig“ einordnen würden, anhand derer Sie Fehler oder Probleme ermitteln oder bestimmen würden, wo sich etwas befindet und was das ist.

Beispiel: Wenn Sie versuchen, Flugzeuge anhand der Anzahl der Motoren zu klassifizieren, basiert die Merkmalsgröße auf der ungefähren Größe eines Flugzeugmotors.

Sowohl beim Training als auch in der Laufzeit tastet das Werkzeug die Pixel in quadratischen Unterbereichen des Bilds ab (Samples) und erfasst Kontextinformationen zu den umliegenden Bereichen.

1	Abtastbereich
2	Kontextbereich
3	Merkmalsgröße

Die Angabe der Merkmalsgröße ist subjektiv, es gibt jedoch einige Richtlinien, die eingehalten werden sollten:

• Beim Red-Analyze-Werkzeug (im Unsupervised- oder Supervised-Modus) sollte die Merkmalsgröße ungefähr der Größe eines typischen Fehlers entsprechen. Bei länglichen Fehlern (Streifen, Schlieren, Kratzern und Tropfen) sollte die Merkmalsgröße der Breite des Fehlers entsprechen.

  1	Fehler
  2	Merkmalsgröße

• Beim Blue-Locate-Werkzeug sollte die Merkmalsgröße ungefähr der Größe des gesuchten Objekts entsprechen. Wählen Sie einen Kompromiss für die Merkmalsgröße aus, wenn nach Merkmalen mit unterschiedlicher Größe gesucht wird.
• Beim Blue-Read-Werkzeug sollte die Merkmalsgröße ungefähr der Größe eines Umrandungsfelds für ein typisches „A“ oder „E“ entsprechen.
• Beim Green-Classify-Werkzeug ist die Merkmalsgröße subjektiv. Die Merkmalsgröße sollte der Größe der Bildmerkmale entsprechen, anhand derer Sie als menschlicher Betrachter die Bilder klassifizieren würden.