Question

我正在尝试在OpenCV 3.0.0版本中实现简单的神经网络示例。根据{{3}}。为简单起见，我使用latest reference中的随机15个示例进行训练。我还将输出物种减少到2，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，没有错误预测。这是片段：

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);

但每当我尝试“预测”时，我都会收到“Segmentation fault（core dumped）”错误：

nn->predict(trainData.row(1));

这里有什么问题，我该如何解决？谢谢。

Answer 1

作为Python的参考，我使用：trainData。 getTestResponses （），其中trainData是我输入数据的整个结构。

我希望这会有所帮助...... OpenCV 3的新结构一开始让我很困惑，但我很欣赏现在完成任务的方法。

Answer 2

尝试切换setActivationFunction()和setLayerSize()功能的顺序。您应该在setLayerSize()之前致电setAtctivationFunction()。这是我案例中的解决方案（OpenCV 3.1）。

OpenCV 3 /神经网络/预测误差/ Ptr＆lt; ANN_MLP＆gt; / C ++

2 个答案: