1

CvANN_MLP クラスを使用してニューラル ネットワークを作成し、バージョン 2.4.6 の Opencv ライブラリを使用しました。私の Cv_ANN mlp ネットワークは次のとおりです。

 Mat trainingData(NUMERO_ESEMPI_TOTALE, 59, CV_32FC1);  
Mat trainingClasses(NUMERO_ESEMPI_TOTALE, 1, CV_32FC1);

for(int i=0;i<NUMERO_ESEMPI_TOTALE;i++){
    for(int j=0;j<59;j++){
        trainingData.at<float>(i,j) = featureVect[i][j];
    }
}

for(int i=0;i<NUMERO_ESEMPI_TOTALE;i++){
    trainingClasses.at<float>(i,0) = featureVect[i][59];
}

Mat testData (NUMERO_ESEMPI_TEST , 59, CV_32FC1);
Mat testClasses (NUMERO_ESEMPI_TEST , 1, CV_32FC1);
for(int i=0;i<NUMERO_ESEMPI_TEST;i++){
    for(int j=0;j<59;j++){
        testData.at<float>(i,j) = featureVectTest[i][j];
    }
}

//0 bocca, 1 non bocca.
testClasses.at<float>(0,0) = 1;
testClasses.at<float>(1,0) = 0;
testClasses.at<float>(2,0) = 1;
testClasses.at<float>(3,0) = 1;
testClasses.at<float>(4,0) = 0;
testClasses.at<float>(5,0) = 1;
testClasses.at<float>(6,0) = 0;
testClasses.at<float>(7,0) = 1;
testClasses.at<float>(8,0) = 1;
testClasses.at<float>(9,0) = 0;
testClasses.at<float>(10,0) = 0;
testClasses.at<float>(11,0) = 1;
testClasses.at<float>(12,0) = 0;
testClasses.at<float>(13,0) = 0;
testClasses.at<float>(14,0) = 0;
testClasses.at<float>(15,0) = 0;
testClasses.at<float>(16,0) = 0;
testClasses.at<float>(17,0) = 0;
testClasses.at<float>(18,0) = 0;
testClasses.at<float>(19,0) = 1;
testClasses.at<float>(20,0) = 1;
testClasses.at<float>(21,0) = 0;
testClasses.at<float>(22,0) = 1;
testClasses.at<float>(23,0) = 0;
testClasses.at<float>(24,0) = 1;
testClasses.at<float>(25,0) = 0;
testClasses.at<float>(26,0) = 0;
testClasses.at<float>(27,0) = 1;
testClasses.at<float>(28,0) = 1;
testClasses.at<float>(29,0) = 1;    

Mat layers = Mat(3, 1, CV_32SC1);
layers.row(0) = Scalar(59);
layers.row(1) = Scalar(3);
layers.row(2) = Scalar(1);

CvANN_MLP mlp;
CvANN_MLP_TrainParams params;
CvTermCriteria criteria;
criteria.max_iter = 100;
criteria.epsilon = 0.0000001;
criteria.type = CV_TERMCRIT_ITER | CV_TERMCRIT_EPS;
params.train_method = CvANN_MLP_TrainParams :: BACKPROP;
params.bp_dw_scale = 0.05 ;
params.bp_moment_scale = 0.05 ;
params.term_crit = criteria ;
mlp.create(layers);
// train
mlp.train(trainingData,trainingClasses,Mat(),Mat(),params);

Mat response(1, 1, CV_32FC1);
Mat predicted(testClasses.rows, 1, CV_32F);
Mat pred(NUMERO_ESEMPI_TEST, 1, CV_32FC1);
Mat pred1(NUMERO_ESEMPI_TEST, 1, CV_32FC1);
for(int i = 0; i < testData . rows ; i++){
    Mat response(1, 1, CV_32FC1);
    Mat sample = testData.row(i);
    mlp.predict(sample,response);
    predicted.at<float>(i ,0) = response.at <float>(0,0);
    pred.at<float>(i,0)=predicted.at<float>(i ,0);
    pred1.at<float>(i,0)=predicted.at<float>(i ,0);
    file<<"Value Image "<<i<<": "<<predicted.at<float>(i ,0)<<"\n";
    //cout<<"Value Image "<<i<<": "<<predicted.at<float>(i ,0)<<endl;
}

問題は、このネットワークがすべてのテスト サンプルに対して同じ結果を返すことです。どうしてか分かりません。私のネットワークは、59 個の入力値と 1 個の出力値を持つ一連の特徴ベクトルを入力として受け取ります。私たちを手伝ってくれますか？

4

1 に答える 1

1

同様の問題がありました。mlp の create 関数のデフォルト パラメータが原因で問題が発生します。シグモイド関数を正常に作成できず、その状態でトレーニングできず、同じ結果が得られます。したがって、解決策は次のような creat 関数を使用することです。

mlp.create(レイヤー, CvANN_MLP::SIGMOID_SYM, 1, 1)

私の質問はここにあります: OpenCV Neural Network Sigmoid Output

于 2014-02-28T07:49:04.287 に答える