Question

我正在尝试使用SVM将查询图像与其相应的类匹配。现在这些类只有1或0.我从.txt文件中提取类并将其存储到Mat中。我使用BoW为训练集中的每个图像计算直方图，并将其存储到Mat中。

Mat response_hist;
Mat histograms;
Mat classes;
ifstream ifs("train.txt");
int total_samples_in_file = 0;
vector<string> classes_names;
vector<string> lines;


for (int i = 1; i <= trainingSetSize; i++){
    cout << "in for loop iteration"<< i << endl;
    _snprintf_s(filepath, 100, "C:/Users/Randal/Desktop/TestCase1Training/train/%d.bmp", i);
    Mat temp = imread(filepath, CV_LOAD_IMAGE_GRAYSCALE);
    Mat tempBW;
    adaptiveThreshold(temp, tempBW, 255, ADAPTIVE_THRESH_GAUSSIAN_C, THRESH_BINARY, 11, 2);
    detector->detect(tempBW, keypoints1);
    BOW.compute(tempBW, keypoints1, response_hist);
    response_hist.convertTo(response_hist, CV_32F);
    histograms.push_back(response_hist);
}

    //read from the file - ifs and put into a vector
    std::string line;
    float class_num;
    string imgfilepath;
    for (int j = 1; getline(ifs, line); j++)
        {
            istringstream ss(line);             
            ss >> imgfilepath >> class_num;
            classes.push_back(class_num);

        }

Mats class_num和直方图用于训练SVM。 “直方图”中的每一行代表一个样本（训练集中图像的直方图）。 “class_num”是一行，每列是训练集中相应图像的类（1或0）。

Ptr<ml::SVM> svm = ml::SVM::create();

svm->setType(ml::SVM::C_SVC);
svm->setKernel(ml::SVM::POLY);
svm->setGamma(3);

Mat trainingDataMat(histograms);
Mat trainingDataClass(classes);

trainingDataMat.convertTo(trainingDataMat, CV_32F);
trainingDataMat = trainingDataMat.reshape(trainingDataMat.cols, 1);
trainingDataClass.convertTo(classes, CV_32F);
svm->train(trainingDataMat, ml::ROW_SAMPLE, trainingDataClass); //incorrect types? I think it is a problem with ROW_SAMPLE
Mat res;   // output
svm->predict(output, res);

当我运行这个时，我在cv :: ml :: TrainDataImpl :: setData“中收到错误”Assertion failed（samples.type（）== CV_32F || samples.type（）== CV_32S）。但是，我已经放置了代码行来将我的Mat类和直方图Mat转换为CV_32F类型。是我的输入问题还是与svm-＆gt;火车中的ROW_SAMPLE有关？非常感谢任何帮助。

由于

Answer 1

错误是由于输入错误导致的。我在其声明中将Mat classesMat的类型更改为CV_32S。我也改变了

trainingDataMat_32.reshape（trainingDataMat_32.cols，1）;

拥有正确数量的通道和行。

trainingDataMat_32.reshape（1，trainingDataMat_32.rows）;

TrainingDataMat.cols根本不是正确的值。它需要1个通道（第一个参数）和与直方图输入相同的行数。

这导致了我正在使用的内核的新错误（SVM参数“POLY”）。我不得不在内核参数正下方添加另一行：

svm-＆GT; setDegree（3）;

这解决了错误。我的输出不正确，但这解决了断言失败。

SVM培训出错（样本类型的断言失败）

1 个答案: