c# - 在 OpenCV 中将图像转换为 CvMat 以训练神经网络

Question

我正在编写一个程序，它使用 OpenCv 神经网络模块以及 C# 和 OpenCvSharp 库。它必须识别用户的脸，所以为了训练网络，我需要一组样本。问题是如何将样本图像转换为适合训练的数组。我得到的是 200x200 位图图像，以及具有 40000 个输入神经元、200 个隐藏神经元和一个输出的网络:

        CvMat layerSizes = Cv.CreateMat(3, 1, MatrixType.S32C1);
        layerSizes[0, 0] = 40000;
        layerSizes[1, 0] = 200;
        layerSizes[2, 0] = 1;
        Network = new CvANN_MLP(layerSizes,MLPActivationFunc.SigmoidSym,0.6,1);

那么我正在尝试将 BitMap 图像转换为 CvMat 数组:

private void getTrainingMat(int cell_count, CvMat trainMAt, CvMat responses)
    {
        CvMat res = Cv.CreateMat(cell_count, 10, MatrixType.F32C1);//10 is a number of samples
        responses = Cv.CreateMat(10, 1, MatrixType.F32C1);//array of supposed outputs
        int counter = 0;
        foreach (Bitmap b in trainSet)
        {
            IplImage img = BitmapConverter.ToIplImage(b);
            Mat imgMat = new Mat(img);
            for (int i=0;i<imgMat.Height;i++)
            {
                for (int j = 0; j < imgMat.Width; j++)
                {
                    int val =imgMat.Get<int>(i, j);
                    res[counter, 0] = imgMat.Get<int>(i, j);
                }
                responses[i, 0] = 1;
            }
            trainMAt = res;
        }
    }

然后，在尝试训练它时，我遇到了这个异常(exception):

输入训练数据应该是一个浮点矩阵，其行数等于训练样本数，列数等于第 0(输入)层的大小

培训代码:

        trainMAt = Cv.CreateMat(inp_layer_size, 10, MatrixType.F32C1);
        responses = Cv.CreateMat(inp_layer_size, 1, MatrixType.F32C1);
        getTrainingMat(inp_layer_size, trainMAt, responses);
        Network.Train(trainMAt, responses, new CvMat(),null, Parameters);

我是 OpenCV 的新手，我认为由于缺乏对 CvMat 结构的理解，我在转换时做错了。我的错误在哪里，还有其他转换位图的方法吗？

Answer 1

With the number of rows equal to the number of training samples

那是10个样本。

and the number of columns equal to the size of 0-th (input) layer

那是 inp_layer_size。

trainMAt = Cv.CreateMat(10, inp_layer_size, MatrixType.F32C1);
responses = Cv.CreateMat(10, 1, MatrixType.F32C1); // 10 labels for 10 samples

我主要做 C++，如果我有误解，请原谅我，但你的像素循环需要另外调整。

当您分配给 val 时，您的内部循环看起来已损坏，但永远不要使用它，也永远不要增加你的计数器。

此外，在您的外部循环中分配 trainMAt = res;对于每张图片似乎都不是一个好主意。

我相信你会让它正确运行，只要记住目标是将每个图像扁平化为一行，所以你最终得到 10 行和 inp_layer_size。列。