OpenCV 3/神经网络/预测中的错误/ Ptr< ANN_MLP >/ C++
我正在尝试在OpenCV版本3.0.0中实现一个简单的神经网络示例。根据latest reference的说法。为了简单起见，我使用来自iris data set的随机15个示例进行训练。我还将输出物种减少到2种，只是为了让事情变得更简单。
其中，trainData和trainLabels声明为：
Mat trainData(15, 4, CV_32FC1); //15 examples with 4 features each
Mat trainLabels(15, 1, CV_32FC1);trainData：
[5.5, 3.5, 1.3, 0.2;
6.5, 2.8, 4.5999999, 1.5;
6.3000002, 2.3, 4.4000001, 1.3;
6, 2.2, 4, 1;
4.5999999, 3.0999999, 1.5, 0.2;
5, 3.2, 1.2, 0.2;
7.4000001, 2.8, 6.0999999, 1.9;
6, 2.9000001, 4.5, 1.5;
5, 3.4000001, 1.5, 0.2;
6.4000001, 2.9000001, 4.3000002, 1.3;
7.1999998, 3.5999999, 6.0999999, 2.5;
5.0999999, 3.3, 1.7, 0.5;
7.1999998, 3, 5.8000002, 1.6;
6.0999999, 2.8, 4, 1.3;
5.8000002, 2.7, 4.0999999, 1]trainLabels：
[0;
0;
0;
0;
0;
0;
1;
0;
0;
0;
1;
0;
1;
0;
0]神经网络代码编译并运行，没有错误，直到预测。下面是截图：
Ptr< ANN_MLP > nn = ANN_MLP::create();
nn->setActivationFunction(cv::ml::ANN_MLP::SIGMOID_SYM);
nn->setTrainMethod(cv::ml::ANN_MLP::BACKPROP);
nn->setBackpropMomentumScale(0.1);
nn->setBackpropWeightScale(0.1);
nn->setTermCriteria(TermCriteria(TermCriteria::MAX_ITER, (int)100000, 1e-6));
//setting the NN layer size
cv :: Mat layers = cv :: Mat (4 , 1 , CV_32SC1 );
layers . row (0) = cv :: Scalar (4) ;
layers . row (1) = cv :: Scalar (4) ;
layers . row (2) = cv :: Scalar (4) ;
layers . row (3) = cv :: Scalar (1) ;
nn->setLayerSizes(layers);
nn->train(trainData, ROW_SAMPLE, trainLabels);但是每当我尝试做“预测”时，我得到“分段错误(核心转储)”错误：
nn->predict(trainData.row(1));这里的问题是什么，我如何解决它？谢谢。
回答 2
Stack Overflow用户
发布于 2015-09-18 00:16:33
对于Python语言中的引用，我使用: trainData.getTestResponses()，，其中trainData是输入数据的整个结构。
我希望这个helps...OpenCV 3的新结构一开始会让我感到困惑，但我很欣赏现在做事情的方法。
Stack Overflow用户
发布于 2016-11-21 19:59:12
尝试切换setActivationFunction()和setLayerSize()函数的顺序。您应该在调用setAtctivationFunction()之前调用setLayerSize()。这就是我的解决方案(OpenCV 3.1)。
https://stackoverflow.com/questions/32574316
复制相似问题
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号