Question

问题＃1：

我正在尝试使用Visual Studio 2017和C ++在opencv 3.4中实现KNN。到目前为止，我已经能够解决我的问题，但昨天我遇到了这个错误： “非静态成员引用必须与特定对象相关”

int main(int argc, const char *argv[]) {

ReadData("smokeDataBase.yml", 0);//14 smoke
ReadData("forestDataBase.yml" , 1); //14 forest
ReadData("skyDataBase.yml", 2); //12 sky

ReadData("testDataBase.yml", 3);


Mat trainClasses = (Mat_<float>(40, 1) << 1, 1, 1, 1, 1, 1, 1, 1,1,1, 1,1,1,1,2,2,2,2,2,2,2,2,2,2,2,2,0,0,0,0,0,0,0,0,0,0,0,0,0,0); //Couldn't figure out how to do this in some other way


//We prepare the data to use in KNN using self-made function that gets every
//vector in my .yml and appends them together
Mat trainData = prepTrain(forestDataBase, skyDataBase, smokeDataBase);

//学习分类器 int K = 10; Ptr knn = ml :: KNearest :: create（）; ml :: StatModel :: train（trainData，ml :: ROW_SAMPLE，trainClasses）; //这一行给出错误

}

由于我无法训练KNN（虽然KNN不是严格意义上的学习方法）但我无法使用KNearest :: findNearest实际从代码中获得我想要的东西。我找不到任何符合我问题的答案，因此我写这篇文章。

我删除了未使用的代码的每个部分，试图让你们更容易帮助我。

问题＃2：

当我创建变量TrainData时，我将我在smoke / forest / skyDatabase上的所有数据放在一起。换句话说，我将所有数据附加到一个单独的大量向量中。这是正确的方法吗？我应该分成一个“向量TrainData”变量，其中每个TrainData [i]（i从0到TrainData.size）是表示我的数据样本的向量吗？

Answer 1

您的第一个问题： 这是official documentation

中描述的功能训练的签名

virtual bool cv::ml::StatModel::train   (   InputArray      samples,
        int     layout,
        InputArray      responses 
    )

正如您所看到的，该方法是虚拟的，这意味着您可以通过这种方式进行调用！。此函数应由StatModel的子类实现。因此，当您想要使用该方法时，可以从实现此方法的子类调用该方法。 KNearest类实现了它。您的代码应更改为：

Ptr<ml::KNearest> knn = ml::KNearest::create();  
knn->train(trainData, ml::ROW_SAMPLE , trainClasses);

现在提出第二个问题：

您可以将数据准备为ROW_SAMPLE或COL_SAMPLE。在ROW_SAMPLE中，每个样本都在一行中。因此，如果您的样本由三个浮点数组成，并且您有10个样本，则最终应该得到一个包含10行和3列的Mat对象。在COL_SAMPLE中，所有内容都被反转。所以最终得到3行10列。

使用cv :: ml :: StatModel :: train的Opencv错误以便使用KNN

1 个答案: