OpenCV C++神经网络 predict() 函数抛出"Bad argument"错误

opencv C++ neural network predict() function throws "Bad argument" error

本文关键字：Bad argument 错误 函数 神经网络 C++ predict OpenCV      更新时间：2023-10-16

我已经设法训练了一个神经网络来识别图像中的数字，并将网络参数保存到.xml文件中。

然而，当针对新图像测试网络时，代码在predict（）阶段失败，错误为：

OpenCV错误：CvANN_MLP:：predict中的参数错误（输入和输出必须是相同类型的浮点矩阵，并且具有相同的行数），文件。。。。。。。。\opencv\modules\ml\src\ann_mlp.pp，第279行。

ann_mlp.pp第279行为：

if( !CV_IS_MAT(_inputs) || !CV_IS_MAT(_outputs) ||
    !CV_ARE_TYPES_EQ(_inputs,_outputs) ||
    (CV_MAT_TYPE(_inputs->type) != CV_32FC1 &&
    CV_MAT_TYPE(_inputs->type) != CV_64FC1) ||
    _inputs->rows != _outputs->rows )
    CV_Error( CV_StsBadArg, "Both input and output must be floating-point matrices "
                            "of the same type and have the same number of rows" );

我已经通过运行以下代码检查了输入行：

cv::Size s = newVec.size();
    int rows = s.height;
    int cols = s.width;
    cout << "newVec dimensions: " << rows << " x " << cols << endl;

并得出预期的1×900矢量/矩阵。

我已经根据错误对话框将输入和输出矩阵设置为CV_32FC1，如下所示：

输入矩阵

cv::Mat newVec(1, 900, CV_32FC1);
    newVec = crop_img.reshape(0, 1); //reshape / unroll image to vector
    CvMat n = newVec;
    newVec = cv::Mat(&n);

输出矩阵

    cv::Mat classOut = cvCreateMatHeader(1, CLASSES, CV_32FC1);

我试着运行这样的预测函数：

CvANN_MLP* nnetwork = new CvANN_MLP;
nnetwork->load("nnetwork.xml", "nnetwork");
int maxIndex = 0;
cv::Mat classOut = cvCreateMatHeader(1, CLASSES, CV_32FC1);
//prediction
nnetwork->predict(newVec, classOut);
    float value;
    float maxValue = classOut.at<float>(0, 0);
    for (int index = 1; index<CLASSES; index++)
    {
        value = classOut.at<float>(0, index);
        if (value>maxValue)
        {
            maxValue = value;
            maxIndex = index;
        }
    }

有什么想法吗？非常感谢。。。

我怀疑问题出在您的输入上，而不是您的输出上。

首先，重要的是要明白，OpenCV应该为此受到很多指责，而不是你们。他们的C++API相当平庸，它给你造成了很大的混乱。

看，通常在C++中，当你定义一个1x900的浮点矩阵时，它保持的浮点矩阵。C++具有很强的类型安全性。

OpenCV没有。如果将一个字节矩阵分配给一个浮点矩阵，后者将更改其类型（！）。您的代码将newVec初始化为这样一个浮点矩阵，然后分配第二个矩阵，然后再分配另一个矩阵。我怀疑crop_img仍然是一个图像，即8位。重塑它将使其1x900，但不是浮点。这就是.convertTo的工作。

相关文章：