使用OpenCV在ANN中笨拙的CvMat *

Question

我正在嘗試使用OpenCV在C ++中訓練神經網絡。

我無法在cv :: Mat *（或Mat *，如果使用命名空間cv的情況下）之間轉換為CvMat *，在此我將提供一些幫助。

---

讓我詳細說明：

我有兩個cv :: Mat *類型的數據結構。 第一個是特征向量集，第二個是期望輸出集。

   cv::Mat *feat = new cv::Mat(3000, 100, CV_32F, featureData);
   cv::Mat *op = new cv::Mat(3000, 2, CV_32F, expectedOutput);

（這些是特征向量長度= 100且輸出狀態= 2的3000個數據點）

這兩個矩陣已經填充了正確尺寸的數據，並且當在控制台上打印示例數據時，它們似乎工作正常。

神經網絡已初始化為：

   int layers_array[] = {100,200,2};    //hidden layer nodes = 200

   CvMat* layer = cvCreateMatHeader(1, 3, CV_32SC1); 
   cvInitMatHeader(layer, 1,3,CV_32SC1, layers_array);

   CvANN_MLP nnetwork;
   nnetwork.create(layer, CvANN_MLP::SIGMOID_SYM, SIGMOID_ALPHA, SIGMOID_BETA);

現在，ANN的訓練方法具有以下模板：

   virtual int train( const CvMat* inputs, const CvMat* outputs,
                       const CvMat* sampleWeights, const CvMat* sampleIdx=0,
                       CvANN_MLP_TrainParams params = CvANN_MLP_TrainParams(),
                       int flags=0 );

我嘗試使用以下代碼在cv :: Mat *和CvMat *之間轉換：

   CvMat featMat,opMat;

   (&featMat)->cols = feat->cols;
   (&featMat)->rows = feat->rows;
   (&featMat)->type = CV_32F;
   (&featMat)->data.fl = (float *)feat->data;


   (&opMat)->cols = op->cols;
   (&opMat)->rows = op->rows;
   (&opMat)->type = CV_32F;
   (&opMat)->data.fl = (float *)op->data;

   //setting up the ANN training parameters

   int iterations = network.train(&featMat, &opMat, NULL, NULL, trainingParams);

當我運行此代碼時，在控制台中收到以下錯誤消息：

**OpenCV Error: Bad argument (input training data should be a floating-point matrix withthe number of rows equal to the number of training samples and the number
of columns equal to the size of 0-th (input) layer) in CvANN_MLP::prepare_to_train, file ..\..\OpenCV-2.3.0-win-src\OpenCV-2.3.0\modules\ml\src\ann_mlp.cpp, 
line 694**

我了解錯誤消息。 但是，據我所知，我相信我並沒有弄亂輸入/輸出層中的節點數量。

您能幫我了解問題出在哪里嗎？

Answer 1

請盡量避免使用指向cv :: Mat以及CvMat *的指針。

幸運的是， CvANN_MLP :: train有一個重載 ，將cv :: Mat當作args，所以改用它：

   cv::Mat feat = cv::Mat(3000, 100, CV_32F, featureData);
   cv::Mat op = cv::Mat(3000, 2, CV_32F, expectedOutput);

   int layers_array[] = {100,200,2};    //hidden layer nodes = 200
   cv::Mat layers = cv::Mat (3, 1, CV_32SC1, layers_array );

   CvANN_MLP nnetwork;
   nnetwork.create(layers, CvANN_MLP::SIGMOID_SYM, SIGMOID_ALPHA, SIGMOID_BETA);

   int iterations = nnetwork.train(feat, op, cv::Mat(), cv::Mat(), CvANN_MLP_TrainParams());