基于opencv的神经网络算法实现两类分类问题的可视化演示

来源：互联网发布：ise女装官网淘宝网编辑：程序博客网时间：2024/05/18 18:16

代码由opencv文档中的SVM例程修改得到：两者的略有结果有差距

基于opencv的神经网络两类分类算法的二维空间可视化demon，希望可以帮到大家

    int width = 512, height = 512;    Mat image = Mat::zeros(height,width,CV_8UC3);    // Set up training data    float labels[4] = {1.0, -1.0, -1.0, -1.0};    Mat labelsMat(4, 1, CV_32FC1, labels);    float trainingData[4][2] = { {501, 10}, {255, 10}, {501, 255}, {10, 501} };    Mat trainingDataMat(4, 2, CV_32FC1, trainingData);     // Set up BPNetwork's parameters     CvANN_MLP_TrainParams params;     params.train_method=CvANN_MLP_TrainParams::BACKPROP;     params.bp_dw_scale=0.1;     params.bp_moment_scale=0.1;     params.term_crit = cvTermCriteria(CV_TERMCRIT_ITER|CV_TERMCRIT_EPS,10000,0.000001);  //设置结束条件     //params.train_method=CvANN_MLP_TrainParams::RPROP;     //params.rp_dw0 = 0.1;     //params.rp_dw_plus = 1.2;     //params.rp_dw_minus = 0.5;     //params.rp_dw_min = FLT_EPSILON;     //params.rp_dw_max = 50.;     //Setup the BPNetwork     CvANN_MLP bp;     Mat layerSizes=(Mat_<int>(1,5) << 2,2,2,2,1);     bp.create(layerSizes,CvANN_MLP::SIGMOID_SYM,1.0,1.0);//CvANN_MLP::SIGMOID_SYM                                                //CvANN_MLP::GAUSSIAN                                                //CvANN_MLP::IDENTITY     bp.train(trainingDataMat, labelsMat, Mat(),Mat(), params);     Vec3b green(0,255,0), blue (255,0,0);     // Show the decision regions given by the SVM     for (int i = 0; i < image.rows; ++i)         for (int j = 0; j < image.cols; ++j)         {             Mat sampleMat = (Mat_<float>(1,2) << i,j);             Mat responseMat;             bp.predict(sampleMat,responseMat);             float* p=responseMat.ptr<float>(0);             float response= (float)(*p) ;             if (response >0)                 image.at<Vec3b>(j, i)  = green;             else                 image.at<Vec3b>(j, i)  = blue;         }         // Show the training data         int thickness = -1;         int lineType = 8;         circle( image, Point(501,  10), 5, Scalar(  0,   0,   0), thickness, lineType);         circle( image, Point(255,  10), 5, Scalar(255, 255, 255), thickness, lineType);         circle( image, Point(501, 255), 5, Scalar(255, 255, 255), thickness, lineType);         circle( image, Point( 10, 501), 5, Scalar(255, 255, 255), thickness, lineType);         imwrite("result.png", image);        // save the image         imshow("BP Simple Example", image); // show it to the user

运行结果：

0 0