PCA + SVM utilisant la Syntaxe C++ dans OpenCV 2.2

Je vais avoir des problèmes pour obtenir de l'APC et Eigenfaces de travail à l'aide de la dernière syntaxe C++ avec le Tapis et de l'APC classes. L'ancienne syntaxe du C a eu un tableau de IplImage* en tant que paramètre pour effectuer son traitement et à l'API actuelle ne prend qu'un Tapis qui est formaté par Colonne ou Ligne. J'ai pris la Ligne en utilisant l'approche de remodeler la fonction pour s'adapter à mon image de la matrice de tenir dans une seule ligne. Finalement, j'ai envie de prendre ces données et l'utilisation de l'algorithme SVM pour effectuer la détection, mais quand je le fais, que toutes mes données est juste un courant de 0. Quelqu'un peut-il m'aider? Ce que je fais mal? Merci!

J'ai vu cette question et c'est un peu lié, mais je ne sais pas quelle est la solution.

C'est en gros ce que j'ai:

vector<Mat> images; //This variable will be loaded with a set of images to perform PCA on.
Mat values(images.size(), 1, CV_32SC1); //Values are the corresponding values to each of my images.

int nEigens = images.size() - 1; //Number of Eigen Vectors.

//Load the images into a Matrix
Mat desc_mat(images.size(), images[0].rows * images[0].cols, CV_32FC1);
for (int i=0; i<images.size(); i++) {
  desc_mat.row(i) = images[i].reshape(1, 1);
}

Mat average;
PCA pca(desc_mat, average, CV_PCA_DATA_AS_ROW, nEigens);

Mat data(desc_mat.rows, nEigens, CV_32FC1); //This Mat will contain all the Eigenfaces that will be used later with SVM for detection

//Project the images onto the PCA subspace
for(int i=0; i<images.size(); i++) {
  Mat projectedMat(1, nEigens, CV_32FC1);
  pca.project(desc_mat.row(i), projectedMat);

  data.row(i) = projectedMat.row(0);
}

CvMat d1 = (CvMat)data;
CvMat d2 = (CvMat)values;

CvSVM svm;
svm.train(&d1, &d2);
svm.save("svmdata.xml");

OriginalL'auteur Roland Nasr | 2011-02-11

  1. 9

    Ce etarion dit est correct.

    Pour copier une colonne ou une ligne, vous devez toujours écrire:

    Mat B = mat.col(i);
A.copyTo(B);

    Le programme suivant montre comment effectuer une ACP dans OpenCV. Il va montrer l'image moyenne et les trois premières Eigenfaces. Les images que j'ai utilisées dans les y sont disponibles à partir de http://www.cl.cam.ac.uk/research/dtg/attarchive/facedatabase.html:

    #include "cv.h"
#include "highgui.h"
using namespace std;
using namespace cv;
Mat normalize(const Mat& src) {
Mat srcnorm;
normalize(src, srcnorm, 0, 255, NORM_MINMAX, CV_8UC1);
return srcnorm;
}
int main(int argc, char *argv[]) {
vector<Mat> db;
//load greyscale images (these are from http://www.cl.cam.ac.uk/research/dtg/attarchive/facedatabase.html)
db.push_back(imread("s1/1.pgm",0));
db.push_back(imread("s1/2.pgm",0));
db.push_back(imread("s1/3.pgm",0));
db.push_back(imread("s2/1.pgm",0));
db.push_back(imread("s2/2.pgm",0));
db.push_back(imread("s2/3.pgm",0));
db.push_back(imread("s3/1.pgm",0));
db.push_back(imread("s3/2.pgm",0));
db.push_back(imread("s3/3.pgm",0));
db.push_back(imread("s4/1.pgm",0));
db.push_back(imread("s4/2.pgm",0));
db.push_back(imread("s4/3.pgm",0));
int total = db[0].rows * db[0].cols;
//build matrix (column)
Mat mat(total, db.size(), CV_32FC1);
for(int i = 0; i < db.size(); i++) {
Mat X = mat.col(i);
db[i].reshape(1, total).col(0).convertTo(X, CV_32FC1, 1/255.);
}
//Change to the number of principal components you want:
int numPrincipalComponents = 12;
//Do the PCA:
PCA pca(mat, Mat(), CV_PCA_DATA_AS_COL, numPrincipalComponents);
//Create the Windows:
namedWindow("avg", 1);
namedWindow("pc1", 1);
namedWindow("pc2", 1);
namedWindow("pc3", 1);
//Mean face:
imshow("avg", pca.mean.reshape(1, db[0].rows));
//First three eigenfaces:
imshow("pc1", normalize(pca.eigenvectors.row(0)).reshape(1, db[0].rows));
imshow("pc2", normalize(pca.eigenvectors.row(1)).reshape(1, db[0].rows));
imshow("pc3", normalize(pca.eigenvectors.row(2)).reshape(1, db[0].rows));
//Show the windows:
waitKey(0);
}

    et si vous voulez construire la matrice par ligne (comme dans l'original de votre question ci-dessus) utiliser ce lieu:

    //build matrix
Mat mat(db.size(), total, CV_32FC1);
for(int i = 0; i < db.size(); i++) {
Mat X = mat.row(i);
db[i].reshape(1, 1).row(0).convertTo(X, CV_32FC1, 1/255.);
}

    et définir l'indicateur dans l'APC:

    CV_PCA_DATA_AS_ROW

    Concernant l'apprentissage de la machine. J'ai écrit un document sur l'apprentissage de la machine avec le OpenCV API C++ qui a des exemples pour la plupart des classificateurs, y compris les Machines à Vecteurs de Support. Peut-être que vous pouvez obtenir un peu d'inspiration: http://www.bytefish.de/pdf/machinelearning.pdf.

    OriginalL'auteur bytefish

  2. 4
    data.row(i) = projectedMat.row(0);

    Cela ne fonctionnera pas. operator= est une copie superficielle, ce qui signifie pas de données est copiée. Utilisation

    cv::Mat sample = data.row(i); //also a shallow copy, points to old data!
projectedMat.row(0).copyTo(sample);

    Le même aussi pour:

    desc_mat.row(i) = images[i].reshape(1, 1);
    Importe-t-il que c'est seulement une copie? Il vient de mettre à jour le pointeur de cet ensemble de données, qui devraient encore être utilisable. - Il Correct?
    Il n'importe, car cette déclaration est essentiellement un no-op. data.row(i) crée une nouvelle matrice d'en-tête qui pointe vers les mêmes données, maintenant operator= modifie cette nouvelle retourné en-tête de matrice et ne fait rien d'autre, et à la fin de l'expression de la matrice temporaire de l'en-tête (que vous avez modifié) est détruite. data est complètement modifiée. le opencv manuel explicitement les états que cela "ne fonctionne pas".

    OriginalL'auteur etarion

  3. 0

    Je suggère de regarder à la nouvelle vérifié dans les tests sur le svn de la tête

    modules/core/test/test_mat.cpp

    en ligne ici : https://code.ros.org/svn/opencv/trunk/opencv/modules/core/test/test_mat.cpp

    a des exemples pour cancer de la prostate dans le vieux c et c++

    Espère que ça aide!

    J'ai regardé les tests et je pense que je suis encore plus confus que j'étais avant. Je vois qu'ils utilisent un Générateur de Nombre Aléatoire pour construire leur Matrice pour effectuer l'APC. Ai-je raison de supposer que mon approche sur la refonte de mon Image Mat et les ajouter à l'lignes d'un nouveau Tapis est la bonne approche? La chose qui me confond entre le C et le C++ est la version C accepte un tableau d'images (ou de la Matrice) et la version C++ accepte uniquement une seule Matrice. Merci!

    OriginalL'auteur macarthy