摘要:本文主要向大家介绍了机器学习入门之OpenCV机器学习库函数--SVM,通过具体的内容向大家展现,希望对大家学习机器学习入门有所帮助。
本文主要向大家介绍了机器学习入门之OpenCV机器学习库函数--SVM,通过具体的内容向大家展现,希望对大家学习机器学习入门有所帮助。
svm分类算法在opencv3中有了很大的变动,取消了CvSVMParams这个类,因此在参数设定上会有些改变。opencv中的svm分类代码,来源于libsvm。
#include "opencv2/opencv.hpp"
using namespace cv;
using namespace cv::ml;
int main(int, char**)
{
int width = 512, height = 512;
Mat image = Mat::zeros(height, width, CV_8UC3); //创建窗口可视化
// 设置训练数据
int labels[10] = { 1, -1, 1, 1,-1,1,-1,1,-1,-1 };
Mat labelsMat(10, 1, CV_32SC1, labels);
float trainingData[10][2] = { { 501, 150 }, { 255, 10 }, { 501, 255 }, { 10, 501 }, { 25, 80 },
{ 150, 300 }, { 77, 200 } , { 300, 300 } , { 45, 250 } , { 200, 200 } };
Mat trainingDataMat(10, 2, CV_32FC1, trainingData);
// 创建分类器并设置参数
Ptr
model->setType(SVM::C_SVC);
model->setKernel(SVM::LINEAR); //核函数
//设置训练数据
Ptr
// 训练分类器
model->train(tData);
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_
float response = model->predict(sampleMat); //进行预测,返回1或-1
if (response == 1)
image.at
else if (response == -1)
image.at
}
// 显示训练数据
int thickness = -1;
int lineType = 8;
Scalar c1 = Scalar::all(0); //标记为1的显示成黑点
Scalar c2 = Scalar::all(255); //标记成-1的显示成白点
//绘图时,先宽后高,对应先列后行
for (int i = 0; i < labelsMat.rows; i++)
{
const float* v = trainingDataMat.ptr
Point pt = Point((int)v[0], (int)v[1]);
if (labels[i] == 1)
circle(image, pt, 5, c1, thickness, lineType);
else
circle(image, pt, 5, c2, thickness, lineType);
}
imshow("SVM Simple Example", image);
waitKey(0);
}
结果:
如果只是简单的点分类,svm的参数设置就这么两行就行了,但如果是其它更为复杂的分类,则需要设置更多的参数。
Ptr
svm->setType(SVM::C_SVC); //设置svm类型
由于opencv中的svm分类算法是根据libsvm改写而来的,libsvm是台湾一学者编写的matlab版本的svm算法,所以参数的设定的也大致相同。svm类型除了C_SVC之外,还有NU_SVC,ONE_CLASS,EPS_SVR,NU_SVR.
还有其它的参数,如
svm->setKernel(SVM::POLY); //设置核函数;
svm->setDegree(0.5);
svm->setGamma(1);
svm->setCoef0(1);
svm->setNu(0.5);
svm->setP(0);
svm->setTermCriteria(TermCriteria(TermCriteria::MAX_ITER+TermCriteria::EPS, 1000, 0.01));
svm->setC(C);
如果前面svm类型选择的不同,后面的参数设置也不同,具体的设置可以了解一下libsvm的参数设置。具体介绍可参照 :libsvm参数说明
setTermCriteria是用来设置算法的终止条件, SVM训练的过程就是一个通过 迭代 方式解决约束条件下的二次优化问题,这里我们指定一个最大迭代次数和容许误差,以允许算法在适当的条件下停止计算
本文由职坐标整理并发布,希望对同学们有所帮助。了解更多详情请关注职坐标人工智能机器学习频道!
您输入的评论内容中包含违禁敏感词
我知道了
请输入正确的手机号码
请输入正确的验证码
您今天的短信下发次数太多了,明天再试试吧!
我们会在第一时间安排职业规划师联系您!
您也可以联系我们的职业规划师咨询:
版权所有 职坐标-一站式IT培训就业服务领导者 沪ICP备13042190号-4
上海海同信息科技有限公司 Copyright ©2015 www.zhizuobiao.com,All Rights Reserved.
沪公网安备 31011502005948号