メインタブ

以下のコントロールは、メインタブで使用できます。

• ステップ名―ステップに付ける名前。
• 関心領域を再配置―有効な場合、ステップは、前回のステップで作成した座標系に基づいて関心領域を動的に再配置します。
• 基準座標系の基点―関心領域をリンクしたい座標系。
• サンプル―選択された分類子ファイルで学習されたサンプル数を示します。

学習タブ

以下のコントロールは、学習タブで使用できます。

• 分類子ファイルパス―サンプルを分類するのに使用する分類子ファイルのパス。分類子ファイルには、各学習サンプルと対応するラベルの表記が含まれます。
• 新規分類子ファイル―NI分類学習インタフェースを使用して、新規分類子ファイルを作成することができます。
• 分類するサンプル―領域の最大サンプルのみを分類するか、またはすべてのサンプルを分類するかを指定します。
• 学習必要―サンプルを分類する前に、学習される分類子を必要とする一部のパラメータが変更されたことを示します。
• サンプル―選択された分類子ファイルで学習されたサンプル数を示します。

2値化タブ

以下のコントロールは、2値化タブで使用できます。

• メソッド―手動2値化を行うか、自動2値化を行うかを指定します。手動で2値化を行うには、メソッドドロップダウンメニューから手動2値化を選択します。自動2値化を行うには、以下のオプションのいずれかを選択してください。
  • クラスタ化―画像内で認識される位相数に対応する離散数のクラス内の画像のヒストグラムをソートします。クラスタ化は、最も頻繁に使用される自動2値化の方法です。
  • エントロピー―画像上に極めて小さい割合で存在するサンプルを検出します。
  • メトリック―初期のグレースケール値を表す曲面によって決定される各2値化の値を計算します。
  • モーメント―コントラストの低い画像に使用します。
  • 内部相違―クラスがそれほど不均衡でない画像用に使用します。最適な結果を得るには、最小クラスが最大クラスの最低5%でなければなりません。
• 検索―明るい、暗い、またはグレーオブジェクトを分類するかを指定します。
• 範囲―しきい値の範囲を指定するクラスタ。
  • 最小―手動2値化を行う場合の2値化範囲の下限値。自動2値化モードでは、最小は選択した自動2値化アルゴリズムで計算された値を表示します。
  • 最大―手動2値化メソッドを使用する場合の2値化範囲の上限値。自動2値化モードでは、最大は選択した自動2値化アルゴリズムで計算された値を表示します。
  • 下限―自動2値化メソッドを使用する際の2値化範囲の下限値。選択する自動2値化アルゴリズムは、下限よりも低いしきい値を計算することはできません。
  • 上限―自動2値化メソッドを使用する場合の2値化範囲の上限値。選択する自動2値化アルゴリズムは、上限よりも大きいしきい値を計算することはできません。
• ボーダーに接しているオブジェクトを無視―有効な場合、ROIの縁に接触しているサンプル内のオブジェクトを無視します。
• 小さいオブジェクトを削除(収縮の数)―分類エンジンでROIからサンプル内の小さいオブジェクトを削除する操作を実行したい収縮の数。
• 学習必要―サンプルを分類する前に、学習される分類子を必要とする一部のパラメータが変更されたことを示します。
• サンプル―選択された分類子ファイルで学習されたサンプル数を示します。

オプションタブ

以下のコントロールは、オプションタブで使用できます。

• メソッド―分類方法。
  • 最近接値―分類の最も直接的な方法。最近接値分類では、他のクラスに対して不明なクラスの入力特徴ベクトルの距離が、そのクラスを表すのに使用される、最も近似するサンプルへの距離として定義されます。
  • K最近接値―最近接値分類よりもノイズに対して安定性があります。K最近接値分類では、入力特徴ベクトルは投票のメカニズムに基づいてクラスに分類されます。NI分類子はすべてのクラスから最も近いサンプルのKを検出します。不明なクラスの入力特徴ベクトルは、最も近いサンプルKで大多数の票を得たクラスに割り当てられます。
  • 最小平均距離―パターンの変動または他の悪影響が少ないかないアプリケーションで最も効果的です。最小平均距離の分類では、不明なクラスの入力特徴ベクトルは各クラスの中心に対する距離に基づいて分類されます。
• メトリック―分類アプリケーションの特徴の間の距離を計算します。
  • 最大―サンプル間の小さい差異に対する敏感度が最大です。非常に小さい差異があるサンプルを分類する必要がある場合は、最大を使用します。
  • 和―大半の分類アプリケーションで使用されるメトリック（別称、Manhattan metricまたはTaxicab metric）。これはデフォルト値です。
  • ユークリッド―サンプル間の小さい差異に対する敏感度が最小です。同じクラスに小さな違いのあるサンプルを分類する必要がある場合は、ユークリッドを使用してください。
• K―分類のK最近接値メソッドを使用する場合、K値を設定します。デフォルト値は3です。
• 学習必要―サンプルを分類する前に、学習される分類子を必要とする一部のパラメータが変更されたことを示します。
• サンプル―選択された分類子ファイルで学習されたサンプル数を示します。

パラメータタブ

以下のコントロールは、パラメータタブで使用できます。

パラメータは、形状、スケール、鏡対称で分類エンジンの依存性を定義します。デフォルトでは、スケール依存およびミラー依存コントロールが無効な場合、NI分類子は形状の変化によってのみサンプルを分類します。スケール依存およびミラー依存が有効な場合、形状依存は1000 - (スケール係数 + ミラー要因）として計算されます。

• スケール係数―サンプルを分類する場合、スケールの相対的重要度（0〜1000）を指定します。値が0の場合、サンプルはスケールとは無関係に分類されます。
• ミラー係数―サンプルを分類する場合、ミラー対称の相対的重要度（0〜1000）を指定します。値が0の場合、サンプルはミラー対称とは無関係に分類されます。ミラー対称を示すオブジェクトのサンプルは、小文字のpおよびqです。
• 学習必要―サンプルを分類する前に、学習される分類子を必要とする一部のパラメータが変更されたことを示します。
• サンプル―選択された分類子ファイルで学習されたサンプル数を示します。