我在 OpenCV 文档中找到了以下使用 k-NN 的示例。现在我的任务是将以下代码转换为 Java 并对其进行一些更改,因为我的数据不是图像。 我很难理解示例中发生的事情。
首先看一下代码:
#include "ml.h"
#include "highgui.h"
int main( int argc, char** argv )
{
const int K = 10;
int i, j, k, accuracy;
float response;
int train_sample_count = 100;
CvRNG rng_state = cvRNG(-1);
CvMat* trainData = cvCreateMat( train_sample_count, 2, CV_32FC1 );
CvMat* trainClasses = cvCreateMat( train_sample_count, 1, CV_32FC1 );
IplImage* img = cvCreateImage( cvSize( 500, 500 ), 8, 3 );
float _sample[2];
CvMat sample = cvMat( 1, 2, CV_32FC1, _sample );
cvZero( img );
CvMat trainData1, trainData2, trainClasses1, trainClasses2;
// form the training samples
cvGetRows( trainData, &trainData1, 0, train_sample_count/2 );
cvRandArr( &rng_state, &trainData1, CV_RAND_NORMAL, cvScalar(200,200), cvScalar(50,50) );
cvGetRows( trainData, &trainData2, train_sample_count/2, train_sample_count );
cvRandArr( &rng_state, &trainData2, CV_RAND_NORMAL, cvScalar(300,300), cvScalar(50,50) );
cvGetRows( trainClasses, &trainClasses1, 0, train_sample_count/2 );
cvSet( &trainClasses1, cvScalar(1) );
cvGetRows( trainClasses, &trainClasses2, train_sample_count/2, train_sample_count );
cvSet( &trainClasses2, cvScalar(2) );
// learn classifier
CvKNearest knn( trainData, trainClasses, 0, false, K );
CvMat* nearests = cvCreateMat( 1, K, CV_32FC1);
for( i = 0; i < img->height; i++ )
{
for( j = 0; j < img->width; j++ )
{
sample.data.fl[0] = (float)j;
sample.data.fl[1] = (float)i;
// estimate the response and get the neighbors' labels
response = knn.find_nearest(&sample,K,0,0,nearests,0);
// compute the number of neighbors representing the majority
for( k = 0, accuracy = 0; k < K; k++ )
{
if( nearests->data.fl[k] == response)
accuracy++;
}
// highlight the pixel depending on the accuracy (or confidence)
cvSet2D( img, i, j, response == 1 ?
(accuracy > 5 ? CV_RGB(180,0,0) : CV_RGB(180,120,0)) :
(accuracy > 5 ? CV_RGB(0,180,0) : CV_RGB(120,120,0)) );
}
}
// display the original training samples
for( i = 0; i < train_sample_count/2; i++ )
{
CvPoint pt;
pt.x = cvRound(trainData1.data.fl[i*2]);
pt.y = cvRound(trainData1.data.fl[i*2+1]);
cvCircle( img, pt, 2, CV_RGB(255,0,0), CV_FILLED );
pt.x = cvRound(trainData2.data.fl[i*2]);
pt.y = cvRound(trainData2.data.fl[i*2+1]);
cvCircle( img, pt, 2, CV_RGB(0,255,0), CV_FILLED );
}
cvNamedWindow( "classifier result", 1 );
cvShowImage( "classifier result", img );
cvWaitKey(0);
cvReleaseMat( &trainClasses );
cvReleaseMat( &trainData );
return 0;
}
现在是问题。
1. cvRNG
的类型是什么。在 Java 版本的 OpenCV 中找不到它
2. CvMat sample = cvMat( 1, 2, CV_32FC1, _sample );
- 需要一个四字段构造函数,这在 java 中不可用。
3.为什么我需要形成训练样本?我该怎么做?
Here提到“仅支持 CV_ROW_SAMPLE 数据布局”。什么意思?
除答案外,欢迎提供各种额外的工作示例。=)
最佳答案
该示例首先生成随机训练数据。它构建一个 Nx2
训练样本矩阵(N=100
二维点),以及相应的类标签(Nx1
矩阵)。因此样本具有“行布局”,每一行都是一个样本。
生成的数据一分为二;上半部分 (N/2)x2
样本是从均值 = 200 和方差 = 50(X 和 Y 坐标)的正态分布生成的,属于第一类 类=1
。同样,后半部分是从 X~N(300,50)
生成的,并标记为具有 class=2
。
因此,您可以想象数据看起来像 2D 空间中截然相反的两个点。
接下来我们创建 K 最近邻分类器(示例中的 K=10
),并将其提供给我们的训练集。
然后代码在 500x500 范围内的点网格上循环(即我们遍历二维点 [0,0], [0,1], ..., [1,0], [ 1,1], ... [499,499]
).对于每个点,我们使用分类器找到 K 近邻(基于欧氏距离)及其对应的类标签,以及预测网格点的标签(基于最近邻的多数投票)。它计算“置信度”度量(通过计算 K=10
最近的邻居中有多少与预测的邻居具有相同的类别)。
我们将预测存储在与网格 (500x500) 大小相同的图像中,用颜色编码表示类别(1
或 2
),其中代表预测置信度的颜色强度。
最后,它将原始数据样本绘制在图像之上,并使用其真实类别标签对点进行着色,并显示生成的图像。
现在我没有运行完全相同的代码,但我想它会给出如下内容:
我在 matlab 中写了这个.如果您有兴趣,这是我的代码(我使用的是 mexopencv,OpenCV 的 MATLAB 包装器工具箱):
% random training set generated from two normal distributions
N = 100; % number of training samples
trainData = [randn(N/2,2)*50+200; randn(N/2,2)*50+300];
trainClass = int32([ones(N/2,1)*1; ones(N/2,1)*2]);
% kNN classifier
K = 10;
knn = cv.KNearest();
knn.train(trainData, trainClass);
% build grid of 2D points, predict and find K nearest neigbords
sz = [500 500];
[X,Y] = ndgrid(1:sz(1), 1:sz(2));
[pred,IDX] = knn.findNearest([X(:) Y(:)], K);
% compute prediction confidence
conf = sum(bsxfun(@eq, IDX, pred),2) ./ K;
% evaluate classifier on training set
acc = nnz(knn.predict(trainData) == trainClass) * 100 / N;
% plot (color-coded by class, transparency indicates confidence)
clr1 = lines(2);
clr2 = brighten(clr1, -0.6);
imagesc(ind2rgb(reshape(pred,sz), clr1), 'AlphaData',reshape(conf,sz))
hold on
scatter(trainData(:,1), trainData(:,2), [], clr2(trainClass,:), 'filled')
hold off; xlabel X; ylabel Y;
title(sprintf('kNN Classification Accuracy = %.1f%%',acc))
关于java - C++(OpenCV) 中 k-NN 示例的问题,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/32712859/