opencv中使用bp神经网络
2016-04-25 20:19
435 查看
2.神经网络的训练
int
CvANN_MLP::train(
const
Mat& inputs,
const
Mat& outputs,
const
Mat& sampleWeights,
const
Mat& sampleIdx=Mat(),
CvANN_MLP_TrainParams params=CvANN_MLP_TrainParams(),
int
flags=0 );
1) inputs:输入矩阵。它存储了所有训练样本的特征。假设所有样本总数为nSamples,而我们提取的特征维数为ndims,
则inputs是一个nSamples∗ndims的矩阵,每个样本的特征占一行。
2) outputs:输出矩阵。我们实际在训练中,我们知道每个样本所属的种类,假设一共有nClass类。那么我们将outputs设置为
一个nSample*nClass列的矩阵,每一行表示一个样本的预期输出结果,该样本所属的那类对应的列设置为1,其他都为0。
比如我们需要识别0-9这10个数字,则总的类数为10类,那么样本数字“3”的预期输出为
4000
[0,0,1,0,0,0,0,0,0,0];
3) sampleWeights:一个在使用RPROP方法训练时才需要的数据,所以这里我们不设置,直接设置为Mat()即可。
4) sampleIdx:相当于一个遮罩,它指定哪些行的数据参与训练。如果设置为Mat(),则所有行都参与。
5) params:这个在刚才已经说过了,是训练相关的参数。
3.神经网络的测试
float
CvANN_MLP::predict(constMat&inputs,Mat&outputs)
图像进行特征提取,把它保存在inputs里,通过调用predict函数,我们得到一个输出向量,它是一个1*nClass的行向量,
其中每一列说明它与该类的相似程度(0-1之间),也可以说是置信度。我们只用对output求一个最大值,就可得到结果。
这个函数的返回值是一个无用的float值,可以忽略。
相关文章推荐
- HttpClient使用详解
- 值得收藏关于tcp/ip
- 计算机网络自顶向下方法之一一一第二章之二
- [IDF实验室] CTF手札-牛刀小试
- Android http get请求代码片段
- HTTP基础
- 【Netty4 简单项目实践】二、解决TCP连包问题:分隔符解码器
- Java反射使用实例(http实体类转换)
- Android开发本地及网络Mp3音乐播放器(七)循环模式与专辑倒影
- Android开发本地及网络Mp3音乐播放器(七)循环模式与专辑倒影
- 理解TIME_WAIT,彻底弄清解决TCP: time wait bucket table overflow
- TCP IP网络编程2 简单的Web服务器
- XMLHTTPRequest笔记
- android中使用线程池和临时缓存优化网络图片加载
- 网络请求数据
- 网络层(1)
- C#基于TCP协议的服务器端和客户端通信编程的基础教程
- android通过执行netstat及cat /proc/net/tcp查看正在运行应用的本地端口号pid和uid以及对方的IP和端口号
- XMLHttpRequest
- android httpClient(https/http)的优化构建方式二