解析C++版OpenCV里的機器學習
使用openCV的Knn
定義
在人工智能中,更確切地說在機器學習中,k最近鄰方法是一種有監(jiān)督的學習方法。在這個框架中,我們有一個由N個“輸入-輸出”對組成的訓練數(shù)據(jù)庫。為了估計與新輸入x 相關(guān)聯(lián)的輸出,k最近鄰方法包括根據(jù)要定義的距離(以相同的方式)考慮k個訓練樣本,其輸入最接近新輸入x。由于此算法基于距離,因此歸一化可以提高其準確性。
方法
因此,要使用KNN方法進行分類,我們必須首先聲明訓練樣本,或者可以說輸入數(shù)據(jù)。
在聲明了0和1矩陣之后,我們必須使用函數(shù)“RNG”將它們填充為隨機值。
現(xiàn)在我們需要將兩個類連接起來,以便進行學習。
訓練
要進行訓練,你必須首先使用以下代碼行創(chuàng)建模型:
現(xiàn)在,我們將進行遍歷整個圖像的循環(huán)(我們選擇的平面為500x500像素,以繪制不同類別的區(qū)域,當然也將點放置在它們的位置),然后學習模型的輸出對于第一類將為0,對于第二類將為1。通過查找(或者可以說通過計算距離),我們用定義該像素屬于此類的顏色填充圖像的每個像素,這樣就可以使邊框可視化。因此,要進行訓練,你必須首先使用以下代碼行創(chuàng)建模型:
因此,你可以看到我們具有find_nearest函數(shù),該函數(shù)計算入口點與其他點之間的距離以查找鄰居,然后該函數(shù)為第一個類返回0或為第二個返回1。最后,我們使用了條件塊if,為每個類賦予特定的顏色。因此,通過執(zhí)行這些步驟,我們進行了學習,找到了兩個類,并且我們當然劃定了邊界,如圖:
現(xiàn)在,如果我們想展示用于學習的樣本,我們只需要把每個要點放在適當?shù)奈恢眉纯,這樣我們就可以了解學習是否做得很好。
這是樣本表示后的輸出圖像:
可以看出,這兩個類的界限是明確的,有一些點沒有很好地分類,但總的來說,學習效果不錯。
請輸入評論內(nèi)容...
請輸入評論/評論長度6~500個字
最新活動更多
-
10月31日立即下載>> 【限時免費下載】TE暖通空調(diào)系統(tǒng)高效可靠的組件解決方案
-
即日-11.13立即報名>>> 【在線會議】多物理場仿真助跑新能源汽車
-
11月28日立即報名>>> 2024工程師系列—工業(yè)電子技術(shù)在線會議
-
12月19日立即報名>> 【線下會議】OFweek 2024(第九屆)物聯(lián)網(wǎng)產(chǎn)業(yè)大會
-
即日-12.26火熱報名中>> OFweek2024中國智造CIO在線峰會
-
即日-2025.8.1立即下載>> 《2024智能制造產(chǎn)業(yè)高端化、智能化、綠色化發(fā)展藍皮書》
推薦專題
- 高級軟件工程師 廣東省/深圳市
- 自動化高級工程師 廣東省/深圳市
- 光器件研發(fā)工程師 福建省/福州市
- 銷售總監(jiān)(光器件) 北京市/海淀區(qū)
- 激光器高級銷售經(jīng)理 上海市/虹口區(qū)
- 光器件物理工程師 北京市/海淀區(qū)
- 激光研發(fā)工程師 北京市/昌平區(qū)
- 技術(shù)專家 廣東省/江門市
- 封裝工程師 北京市/海淀區(qū)
- 結(jié)構(gòu)工程師 廣東省/深圳市