Question

我是OpenCV和C ++的新手，我正在尝试在OpenCV中使用高斯混合模型构建分类器。我弄清楚它是如何工作的并且让它工作......也许吧。我现在有这样的事情：

如果我在训练和保存模型后对训练样本进行分类，我得到了我想要的结果。但是当我使用 read（）重新分类我的训练数据时，其中一个群集缺失，意味着我从同一个GMM模型获得了不同的群集结果。我现在不知道，因为我想要的集群已经消失，我再也无法重现分类，直到我使用相同的数据重新训练模型。我在运行时检查了代码，并从 Vec2d 中检查了结果值，其中 predict（）从未被分配到1（我设置了3个簇）。

也许有错误或我做错了什么？

P.S。我在VS2013中使用2.4.8

我的节目是这样的：

训练部分

void GaussianMixtureModel::buildGMM(InputArray _src){
    //use source to train GMM and save the model

    Mat samples, input = _src.getMat();    
    createSamples(input, samples);
    bool status = em_model.train(samples);

    saveModel();
}

保存/加载模型

FileStorage fs(filename, FileStorage::READ);
if (fs.isOpened()) // if we have file with parameters, read them
{
    const FileNode& fn = fs["StatModel.EM"];
    em_model.read(fn);
    fs.release();
}

FileStorage fs_save(filename, FileStorage::WRITE);
if (fs_save.isOpened()) // if we have file with parameters, read them
{
    em_model.write(fs_save);
    fs_save.release();
}

预测部分

vector<Mat> GaussianMixtureModel::classify(Mat input){
/// samples is a matrix of channels x N elements, each row is a set of feature
Mat samples;
createSamples(input, samples);
    for (int k = 0; k < clusterN; k++){
        masks[k] = Mat::zeros(input.size(), CV_8UC1);
    }
int idx = 0;
for (int i = 0; i < input.rows; i++){
    for (int j = 0; j < input.cols; j++){
        //process the predicted probability
        Mat probs(1, clusterN, CV_64FC1);
        Vec2d response = em_model.predict(samples.row(idx++), probs);
        int result = cvRound(response[1]);
        for (int k = 0; k < clusterN; k++){
                            if (result == k){
                // change to the k-th class's picture
                masks[k].at<uchar>(i, j) = 255;
            }
                    ...
                    // something else
                    }
             }
       }
}

Answer 1

我想我的答案为时已晚，但由于我遇到同样的问题，我找到的解决方案可能对其他人有用。

通过分析源代码，我注意到在EM :: COV_MAT_DIAGONAL的情况下，在加载保存的数据之后，通过SVD获得协方差矩阵的特征值（源代码中的covsEigenValues）。但是，SVD计算单数（在我们的例子中为特征）值并将其存储在ASCENDING顺序中。为了防止这种情况，我简单地直接提取covsEigenValues中加载的协方差矩阵的对角元素以保持良好的顺序。

在EM :: read（）之后，在OpenCV中保存了模型，得到了不同的EM :: predict（）结果

1 个答案: