C++ 基于支持向量机和BOW?
我对openCV不是很有经验。我有一些图像,我想检查它们是否包含我正在寻找的标志。所以,我想使用SVM技术,我有一些代码。我已经理解了代码的大部分内容,但我不知道如何实现这段代码。该代码有三个功能,即createTrainDataUsingBow second是 int trainSVM和int SVM预测 问题:我知道首先我必须训练支持向量机,然后使用预测。但是,我不理解在调用过程中要传递的参数。我的意思是,如果我创建一个main,那么我应该用什么参数来调用int-trainSVM 整个代码如下所示: 一,。createTrainDataUsingBow的代码C++ 基于支持向量机和BOW?,c++,opencv,C++,Opencv,我对openCV不是很有经验。我有一些图像,我想检查它们是否包含我正在寻找的标志。所以,我想使用SVM技术,我有一些代码。我已经理解了代码的大部分内容,但我不知道如何实现这段代码。该代码有三个功能,即createTrainDataUsingBow second是 int trainSVM和int SVM预测 问题:我知道首先我必须训练支持向量机,然后使用预测。但是,我不理解在调用过程中要传递的参数。我的意思是,如果我创建一个main,那么我应该用什么参数来调用int-trainSVM 整个代码如
void createTrainDataUsingBow(std::vector<char*> files, cv::Mat& train, cv::Mat& response, int label)
{
cv::Ptr<cv::DescriptorMatcher> matcher = cv::DescriptorMatcher::create("FlannBased");
cv::Ptr<cv::DescriptorExtractor> extractor = new cv::SurfDescriptorExtractor();
cv::BOWImgDescriptorExtractor dextract( extractor, matcher );
cv::SurfFeatureDetector detector(500);
// cluster count
int cluster = 100;
// create the object for the vocabulary.
cv::BOWKMeansTrainer bow( cluster,cv::TermCriteria(CV_TERMCRIT_EPS+CV_TERMCRIT_ITER, 10, FLT_EPSILON), 1, cv::KMEANS_PP_CENTERS );
// get SURF descriptors and add to BOW each input files
std::vector<char*>::const_iterator file;
for( file = files.begin(); file != files.end(); file++)
{
cv::Mat img = cv::imread( *file, CV_LOAD_IMAGE_GRAYSCALE );
std::vector<cv::KeyPoint> keypoints = detector.detect( img, keypoints);
cv::Mat descriptors;
extractor->compute( img, keypoints, descriptors);
if ( !descriptors.empty() ) bow.add( descriptors );
}
// Create the vocabulary with KMeans.
cv::Mat vocabulary;
vocabulary = bow.cluster();
for( file = files.begin(); file != files.end(); file++)
{
// set training data using BOWImgDescriptorExtractor
dextract.setVocabulary( vocabulary );
std::vector<cv::KeyPoint> keypoints;
cv::Mat img = cv::imread( *file, CV_LOAD_IMAGE_GRAYSCALE );
detector.detect( img, keypoints);
cv::Mat desc;
dextract.compute( img, keypoints, desc );
if ( !desc.empty() )
{
train.push_back( desc ); // update training data
response.push_back( label ); // update response data
}
}
}
二,。训练支持向量机代码
int trainSVM((std::vector<char*> positive, std::vector<char*> negative)
{
// create training data
cv::Mat train;
cv::Mat response;
createTrainDataUsingBow(positive, train, response, 1.0);
createTrainDataUsingBow(negative, train, response, -1.0);
// svm parameters
CvTermCriteria criteria = cvTermCriteria(CV_TERMCRIT_EPS, 1000, FLT_EPSILON);
CvSVMParams svm_param = CvSVMParams( CvSVM::C_SVC, CvSVM::RBF, 10.0, 8.0, 1.0, 10.0, 0.5, 0.1, NULL, criteria);
// train svm
cv::SVM svm;
svm.train(train, response, cv::Mat(), cv::Mat(), svm_param);
svm.save("svm-classifier.xml");
return 0;
}
三,。svmPredict的代码
int svmPredict(const char* classifier, const char* vocaname, const char* query, const char* method)
{
// load image
cv::Mat img = cv::imread(query, CV_LOAD_IMAGE_GRAYSCALE);
// load svm
cv::SVM svm;
svm.load(classifier);
// declare BOWImgDescriptorExtractor
cv::Ptr<cv::DescriptorMatcher> matcher = cv::DescriptorMatcher::create("FlannBased");
cv::Ptr<cv::DescriptorExtractor> extractor = new cv::SurfDescriptorExtractor();
cv::BOWImgDescriptorExtractor dextract( extractor, matcher );
// load vocabulary data
cv::Mat vocabulary;
cv::FileStorage fs( vocaname, cv::FileStorage::READ);
fs["vocabulary data"] >> vocabulary;
fs.release();
if( vocabulary.empty() ) return 1;
// Set the vocabulary
dextract.setVocabulary( vocabulary );
std::vector<cv::KeyPoint> keypoints;
detector.detect( img, keypoints);
cv::Mat desc_bow;
dextract.compute( img, keypoints, desc_bow );
if( desc_bow.empty() ) return 1;
// svm predict
float predict = svm.predict(centroids, true);
std::cout << predict << std::endl;
return 0;
}
我应该调用int-trainSVM的参数
trainSVM采用两个char*向量,分别为正样本和负样本的图像文件名列表。
最好是创建一个包含正片图像文件名列表的文件,负片文件名列表也包含正片图像文件名列表,然后在中读取这些文件名
顺便说一句,此行有语法错误:
int trainSVM((std::vector<char*> positive, std::vector<char*> negative)
一个更大的问题是如何规范化数据,以及如何进行交叉验证以获得svm_参数的正确值
另外,由于svmPredict会为每个测试用例重新加载所有内容,因此效率非常低
在您知道命令行工具是否有效之前,您最好使用命令行工具。使用libsvm格式的bow数据转储CreateTrainDatas的mats输出是很简单的。谢谢,我理解了代码及其参数,但在创建svmPredict时仍然面临问题。为此,我将发布一个新问题。