Question

我设法训练神经网络识别图像中的数字，并将网络参数保存到.xml文件中。

但是，在针对新映像测试网络时，代码在predict（）阶段失败并出现错误：

OpenCV错误：CvANN_MLP :: predict，file ........ \ opencv \ modules中的错误参数（输入和输出都必须是相同类型的浮点矩阵并具有相同的行数） \ ml \ src \ ann_mlp.cpp，第279行。

ann_mlp.cpp第279行是：

if( !CV_IS_MAT(_inputs) || !CV_IS_MAT(_outputs) ||
    !CV_ARE_TYPES_EQ(_inputs,_outputs) ||
    (CV_MAT_TYPE(_inputs->type) != CV_32FC1 &&
    CV_MAT_TYPE(_inputs->type) != CV_64FC1) ||
    _inputs->rows != _outputs->rows )
    CV_Error( CV_StsBadArg, "Both input and output must be floating-point matrices "
                            "of the same type and have the same number of rows" );

我已通过运行此代码检查了输入行：

cv::Size s = newVec.size();
    int rows = s.height;
    int cols = s.width;
    cout << "newVec dimensions: " << rows << " x " << cols << endl;

......它出现了预期的1 x 900矢量/矩阵。

我已根据错误对话框将输入和输出矩阵设置为CV_32FC1：

输入矩阵

cv::Mat newVec(1, 900, CV_32FC1);
    newVec = crop_img.reshape(0, 1); //reshape / unroll image to vector
    CvMat n = newVec;
    newVec = cv::Mat(&n);

输出矩阵

    cv::Mat classOut = cvCreateMatHeader(1, CLASSES, CV_32FC1);

我尝试像这样运行预测函数：

CvANN_MLP* nnetwork = new CvANN_MLP;
nnetwork->load("nnetwork.xml", "nnetwork");

int maxIndex = 0;
cv::Mat classOut = cvCreateMatHeader(1, CLASSES, CV_32FC1);

//prediction
nnetwork->predict(newVec, classOut);
    float value;
    float maxValue = classOut.at<float>(0, 0);
    for (int index = 1; index<CLASSES; index++)
    {
        value = classOut.at<float>(0, index);
        if (value>maxValue)
        {
            maxValue = value;
            maxIndex = index;
        }
    }

有什么想法吗？非常感谢...

Answer 1

我怀疑问题是你的输入，而不是你的输出。

首先，了解OpenCV应该为此付出很多责任，而不是你。他们的C ++ API非常平庸，它给你造成了很大的困惑。

通常在C ++中，当您定义1x900浮点矩阵时，它保持浮点矩阵。 C ++具有很强的类型安全性。

OpenCV没有。如果将一个字节矩阵分配给一个浮点矩阵，后者将改变它的类型（！）。您的代码将newVec初始化为这样的浮点矩阵，然后指定第二个矩阵，然后指定另一个矩阵。我怀疑crop_img仍然是一个图像，即8位。重塑它将使它成为1x900，但不是浮点数。这是.convertTo的工作。

opencv C ++神经网络predict（）函数抛出“Bad argument”错误

1 个答案: