使用OpenCV的ANN中的Unfieldy CvMat*

Unwieldy CvMat* in ANN using OpenCV

本文关键字：Unfieldy CvMat 中的 ANN OpenCV 使用      更新时间：2023-10-16

我正在尝试使用OpenCV在C++中训练神经网络。

我无法在cv:：Mat*（或Mat*，如果使用名称空间cv）和CvMat*之间转换，我希望能在这方面得到一些帮助。

让我详细说明一下：

我有两个cv:：Mat*类型的数据结构。第一个是特征向量集，第二个是期望输出集。

   cv::Mat *feat = new cv::Mat(3000, 100, CV_32F, featureData);
   cv::Mat *op = new cv::Mat(3000, 2, CV_32F, expectedOutput);

（这是3000个数据点，特征向量长度=100，输出状态=2）

这两个矩阵已经填充了正确尺寸的数据，当样本数据打印在控制台上时，它们似乎工作得很好。

神经网络已初始化为：

   int layers_array[] = {100,200,2};    //hidden layer nodes = 200
   CvMat* layer = cvCreateMatHeader(1, 3, CV_32SC1); 
   cvInitMatHeader(layer, 1,3,CV_32SC1, layers_array);
   CvANN_MLP nnetwork;
   nnetwork.create(layer, CvANN_MLP::SIGMOID_SYM, SIGMOID_ALPHA, SIGMOID_BETA);

现在，人工神经网络的训练方法是以下模板：

   virtual int train( const CvMat* inputs, const CvMat* outputs,
                       const CvMat* sampleWeights, const CvMat* sampleIdx=0,
                       CvANN_MLP_TrainParams params = CvANN_MLP_TrainParams(),
                       int flags=0 );

我尝试使用以下代码在cv:：Mat*和CvMat*之间转换：

   CvMat featMat,opMat;
   (&featMat)->cols = feat->cols;
   (&featMat)->rows = feat->rows;
   (&featMat)->type = CV_32F;
   (&featMat)->data.fl = (float *)feat->data;

   (&opMat)->cols = op->cols;
   (&opMat)->rows = op->rows;
   (&opMat)->type = CV_32F;
   (&opMat)->data.fl = (float *)op->data;
   //setting up the ANN training parameters
   int iterations = network.train(&featMat, &opMat, NULL, NULL, trainingParams);

当我运行此代码时，我在控制台中收到以下错误消息：

**OpenCV Error: Bad argument (input training data should be a floating-point matrix withthe number of rows equal to the number of training samples and the number
of columns equal to the size of 0-th (input) layer) in CvANN_MLP::prepare_to_train, file ....OpenCV-2.3.0-win-srcOpenCV-2.3.0modulesmlsrcann_mlp.cpp, 
line 694**

我理解错误信息。然而，据我所知，我相信我没有把输入/输出层中的节点数量搞得一团糟。

你能帮我了解出了什么问题吗？

请尽量避免指向cv:：Mat以及CvMat*的指针。

幸运的是，CvANN_MLP:：train有一个重载，它将cv:：Mat作为args，所以使用它：

   cv::Mat feat = cv::Mat(3000, 100, CV_32F, featureData);
   cv::Mat op = cv::Mat(3000, 2, CV_32F, expectedOutput);
   int layers_array[] = {100,200,2};    //hidden layer nodes = 200
   cv::Mat layers = cv::Mat (3, 1, CV_32SC1, layers_array );
   CvANN_MLP nnetwork;
   nnetwork.create(layers, CvANN_MLP::SIGMOID_SYM, SIGMOID_ALPHA, SIGMOID_BETA);
   int iterations = nnetwork.train(feat, op, cv::Mat(), cv::Mat(), CvANN_MLP_TrainParams());
相关文章：