opencv3.0正太贝叶斯分类器api讲解
来源:互联网 发布:变音软件 编辑:程序博客网 时间:2024/06/06 08:41
1.官方文档
学习新东西时,首先弄懂原理,然后手动实现,最后查看经典的库调用,对于最后一步,我们需要查看官方文档。
opencv2.0和opencv3.0之间关于normalbayesclassifier的接口略有变化,opencv3.0关于此部分的描述点击此处
2.关键的几个接口
opencv3.0
(1)创建正态贝叶斯分类器:
Ptr<NormalBayesClassifier> model = NormalBayesClassifier::create();
(2)设置训练数据:float trainingData[8][3] = { { 6, 180, 12 }, { 5.92, 190, 11 },{ 5.58, 170, 12 }, { 5.92, 165, 10 },{ 5, 100, 6 },{ 5.5, 150, 8 }, { 5.42, 130, 7 }, { 5.75, 150, 9 } };Mat trainingDataMat(8, 3, CV_32FC1, trainingData);cout << trainingDataMat << endl;//1---M 0---F int labels[8] = { 1, 1, 1, 1, -1, -1, -1, -1 };Mat labelsMat(8, 1, CV_32SC1, labels);cout << labelsMat << endl;Ptr<TrainData> tData = TrainData::create(trainingDataMat, ROW_SAMPLE, labelsMat);(3)训练分类器:
model->train(tData);(4)应用训练好的模型进行分类
float myData[3] = { 6, 130, 8 };Mat myDataMat(1, 3, CV_32FC1, myData);int res = model->predict(myDataMat);
阅读全文
0 0
- opencv3.0正太贝叶斯分类器api讲解
- 关于opencv3.0加载人脸检测分类器出错
- opencv3.1 boost级联分类器
- SVM 多分类 -SVM分类opencv3.0源代码
- SVM 多分类 -SVM分类opencv3.0源代码
- SVM 多分类 -SVM分类opencv3.0源代码
- 0基础讲解机器学习算法-朴素贝叶斯分类器
- SVM多分类器的实现(Opencv3,C++)
- python-opencv3 kmeans图像分类
- python-opencv3 kmeans图像分类
- OpenCV3.2.0-----训练数据/分类
- API分类
- 【OpenCV3】级联分类器目标检测——cv::CascadeClassifier简介
- 【OpenCV3】级联分类器训练——traincascade快速使用详解
- OpenCV3.2.0中使用HOG特征训练SVM分类器时重点注意事项
- Python3.6.3+opencv3.3.0学习笔记十四--基于分类器的动态人脸人体捕获
- 基于opencv3.1的cnn分类系统集成
- OpenCV3.2 HOG+SVM进行物体分类
- 英语听力下载的网址
- java标号—continue,break用法详解
- JSON.parse()和JSON.stringify()的用法及区别
- JAVA中url的特殊字符处理及url转码解码
- C++ 基础 类和对象 2017_11_13下午(续)
- opencv3.0正太贝叶斯分类器api讲解
- iGH EtherCAT初始化流程分析(四)
- Wireshark实战分析之TCP协议
- TensorFlow学习--tf.add_to_collection与tf.get_collection使用
- 四道Java基础题 你能对几道?
- mystl的limit与offset举例
- 标志变量find的使用(P141-6.3)
- Zookeeper安装配置
- Service Location Protocol SLP