Yocker
  1. Yocker
  3. OpenCV non è in grado di configurare i parametri SVM
Intereting Posts
Qual è la differenza tra gli elementi Polymer e le direttive AngularJS? Linux garantisce che i contenuti di un file vengano scaricati su disco dopo close ()? Metodi di estensione F # in C # formula per la colonna calcasting in base alla colonna di una tabella diversa Come aggiornare e ordinare usando ms sql Verifica se un vettore contiene un dato elemento Perché dobbiamo definire sia == che! = In C #? Gestione automatica dei cookie con OkHttp 3 Esiste un selettore CSS “tutto compreso”? `def` vs` val` vs `lazy val` valutazione in Scala Come stile un menu asp.net con i CSS JPA, il modo più veloce per ignorare un campo durante la persistenza? Come si ottiene log4j per il roll dei file in base alla data e alle dimensioni? Usando JAXB per unmarshal / marshal un List Seleziona la percentuale TOP X (o inferiore) per i valori numerici in MySQL

OpenCV non è in grado di configurare i parametri SVM

Ho appena iniziato il mio apprendimento su SVM usando C ++ OpenCV e mi riferivo alla documentazione SVM qui . Volevo provare il codice sorgente di esempio dal link per familiarizzare con esso, ma non ho potuto eseguire il codice sorgente di esempio. Restituisce l’errore:

Errore 1 errore C2065: “CvSVMParams”: identificatore non dichiarato

Sto usando Visual Studio 2012 con OpenCV 3.0.0. Il processo di installazione dovrebbe essere corretto poiché tutti gli altri codici funzionano bene tranne questo.

Molte cose sono cambiate da OpenCV 2.4 a OpenCV 3.0 . Tra gli altri, il modulo di apprendimento automatico, che non è retrocompatibile.

Questo è il codice di esercitazione OpenCV per SVM , aggiornamento per OpenCV 3.0: 

 #include  #include  #include "opencv2/imgcodecs.hpp" #include  #include  using namespace cv; using namespace cv::ml; int main(int, char**) { // Data for visual representation int width = 512, height = 512; Mat image = Mat::zeros(height, width, CV_8UC3); // Set up training data int labels[4] = { 1, -1, -1, -1 }; Mat labelsMat(4, 1, CV_32SC1, labels); float trainingData[4][2] = { { 501, 10 }, { 255, 10 }, { 501, 255 }, { 10, 501 } }; Mat trainingDataMat(4, 2, CV_32FC1, trainingData); // Set up SVM's parameters Ptr svm = SVM::create(); svm->setType(SVM::C_SVC); svm->setKernel(SVM::LINEAR); svm->setTermCriteria(TermCriteria(TermCriteria::MAX_ITER, 100, 1e-6)); // Train the SVM with given parameters Ptr td = TrainData::create(trainingDataMat, ROW_SAMPLE, labelsMat); svm->train(td); // Or train the SVM with optimal parameters //svm->trainAuto(td); Vec3b green(0, 255, 0), blue(255, 0, 0); // Show the decision regions given by the SVM for (int i = 0; i < image.rows; ++i) for (int j = 0; j < image.cols; ++j) { Mat sampleMat = (Mat_(1, 2) << j, i); float response = svm->predict(sampleMat); if (response == 1) image.at(i, j) = green; else if (response == -1) image.at(i, j) = blue; } // Show the training data int thickness = -1; int lineType = 8; circle(image, Point(501, 10), 5, Scalar(0, 0, 0), thickness, lineType); circle(image, Point(255, 10), 5, Scalar(255, 255, 255), thickness, lineType); circle(image, Point(501, 255), 5, Scalar(255, 255, 255), thickness, lineType); circle(image, Point(10, 501), 5, Scalar(255, 255, 255), thickness, lineType); // Show support vectors thickness = 2; lineType = 8; Mat sv = svm->getSupportVectors(); for (int i = 0; i < sv.rows; ++i) { const float* v = sv.ptr(i); circle(image, Point((int)v[0], (int)v[1]), 6, Scalar(128, 128, 128), thickness, lineType); } imwrite("result.png", image); // save the image imshow("SVM Simple Example", image); // show it to the user waitKey(0); }

L’output dovrebbe essere simile a:

inserisci la descrizione dell'immagine qui

Ho trovato che il codice sopra funzionava, ma avevo bisogno di fare una piccola modifica per convertire le etichette in numeri interi. La modifica è in grassetto: 

 // Set up training data **Original**: int labels[4] = { 1, -1, -1, -1 }; Mat labelsMat(4, 1, **CV_32SC1**, labels); // Set up training data **Modified**: int labels[4] = { 1, -1, -1, -1 }; Mat labelsMat(4, 1, **CV_32S**, labels);