我正在尝试在 OpenCV 3.0.0 版中实现一个简单的神经网络示例。根据latest reference .为了简单起见,我使用了来自 iris data set 的随机 15 个示例。为了训练。我还将输出种类减少到 2,只是为了让事情变得更简单。
其中 trainData 和 trainLabels 声明为:
Mat trainData(15, 4, CV_32FC1); //15 examples with 4 features each
Mat trainLabels(15, 1, CV_32FC1);
训练数据:
[5.5, 3.5, 1.3, 0.2;
6.5, 2.8, 4.5999999, 1.5;
6.3000002, 2.3, 4.4000001, 1.3;
6, 2.2, 4, 1;
4.5999999, 3.0999999, 1.5, 0.2;
5, 3.2, 1.2, 0.2;
7.4000001, 2.8, 6.0999999, 1.9;
6, 2.9000001, 4.5, 1.5;
5, 3.4000001, 1.5, 0.2;
6.4000001, 2.9000001, 4.3000002, 1.3;
7.1999998, 3.5999999, 6.0999999, 2.5;
5.0999999, 3.3, 1.7, 0.5;
7.1999998, 3, 5.8000002, 1.6;
6.0999999, 2.8, 4, 1.3;
5.8000002, 2.7, 4.0999999, 1]
火车标签:
[0;
0;
0;
0;
0;
0;
1;
0;
0;
0;
1;
0;
1;
0;
0]
神经网络代码编译和运行没有错误达到预测。这是片段:
Ptr< ANN_MLP > nn = ANN_MLP::create();
nn->setActivationFunction(cv::ml::ANN_MLP::SIGMOID_SYM);
nn->setTrainMethod(cv::ml::ANN_MLP::BACKPROP);
nn->setBackpropMomentumScale(0.1);
nn->setBackpropWeightScale(0.1);
nn->setTermCriteria(TermCriteria(TermCriteria::MAX_ITER, (int)100000, 1e-6));
//setting the NN layer size
cv :: Mat layers = cv :: Mat (4 , 1 , CV_32SC1 );
layers . row (0) = cv :: Scalar (4) ;
layers . row (1) = cv :: Scalar (4) ;
layers . row (2) = cv :: Scalar (4) ;
layers . row (3) = cv :: Scalar (1) ;
nn->setLayerSizes(layers);
nn->train(trainData, ROW_SAMPLE, trainLabels);
但是每当我尝试“预测”时,我都会收到“段错误(核心转储)”错误:
nn->predict(trainData.row(1));
这里有什么问题,我该如何解决?谢谢。
最佳答案
为了在 Python 中引用,我使用:trainData.getTestResponses(),其中 trainData 是输入数据的整个结构。
我希望这会有所帮助...OpenCV 3 的新结构起初让我感到困惑,但我很欣赏现在完成工作的方法。
关于c++ - OpenCV 3/神经网络/预测错误/Ptr< ANN_MLP >/C++,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/32574316/