OpenCV 无法设置 SVM 参数

Posted 2023-03-12

【中文标题】OpenCV 无法设置 SVM 参数

【英文标题】：OpenCV unable to set up SVM Parameters

【发布时间】：2016-02-27 03:20:03

【问题描述】：

我刚刚开始使用 C++ OpenCV 学习 SVM，并参考了 SVM 文档here。我想先试用链接中的示例源代码以熟悉它，但我无法运行示例源代码。它返回错误：

错误 1 ​​错误 C2065: 'CvSVMParams' : 未声明的标识符

我正在使用带有 OpenCV 3.0.0 的 Visual Studio 2012。设置过程应该是正确的，因为除此之外所有其他代码都运行良好。

【问题讨论】：

谢谢。但我现在收到此错误：错误 C2039: 'Params' : is not a member of 'cv::ml::SVM'

你能显示一些代码吗？

对不起，我只是从here复制了完全相同的示例源代码

可能样本也过时了...像我在回答我链接的问题时所做的那样设置参数，即svm->setType(SVM::C_SVC);等...

好吧，这可能不简单，我会添加一个答案

【参考方案1】：

很多事情都改变了from OpenCV 2.4 to OpenCV 3.0。其中包括不向后兼容的机器学习模块。

这是 OpenCV tutorial code for the SVM，OpenCV 3.0 更新：

#include <opencv2/core.hpp>
#include <opencv2/imgproc.hpp>
#include "opencv2/imgcodecs.hpp"
#include <opencv2/highgui.hpp>
#include <opencv2/ml.hpp>

using namespace cv;
using namespace cv::ml;

int main(int, char**)

    // Data for visual representation
    int width = 512, height = 512;
    Mat image = Mat::zeros(height, width, CV_8UC3);

    // Set up training data
    int labels[4] =  1, -1, -1, -1 ;
    Mat labelsMat(4, 1, CV_32SC1, labels);

    float trainingData[4][2] =   501, 10 ,  255, 10 ,  501, 255 ,  10, 501  ;
    Mat trainingDataMat(4, 2, CV_32FC1, trainingData);

    // Set up SVM's parameters
    Ptr<SVM> svm = SVM::create();
    svm->setType(SVM::C_SVC);
    svm->setKernel(SVM::LINEAR);
    svm->setTermCriteria(TermCriteria(TermCriteria::MAX_ITER, 100, 1e-6));

    // Train the SVM with given parameters
    Ptr<TrainData> td = TrainData::create(trainingDataMat, ROW_SAMPLE, labelsMat);
    svm->train(td);

    // Or train the SVM with optimal parameters
    //svm->trainAuto(td);

    Vec3b green(0, 255, 0), blue(255, 0, 0);
    // Show the decision regions given by the SVM
    for (int i = 0; i < image.rows; ++i)
        for (int j = 0; j < image.cols; ++j)
        
            Mat sampleMat = (Mat_<float>(1, 2) << j, i);
            float response = svm->predict(sampleMat);

            if (response == 1)
                image.at<Vec3b>(i, j) = green;
            else if (response == -1)
                image.at<Vec3b>(i, j) = blue;
        

    // Show the training data
    int thickness = -1;
    int lineType = 8;
    circle(image, Point(501, 10), 5, Scalar(0, 0, 0), thickness, lineType);
    circle(image, Point(255, 10), 5, Scalar(255, 255, 255), thickness, lineType);
    circle(image, Point(501, 255), 5, Scalar(255, 255, 255), thickness, lineType);
    circle(image, Point(10, 501), 5, Scalar(255, 255, 255), thickness, lineType);

    // Show support vectors
    thickness = 2;
    lineType = 8;
    Mat sv = svm->getSupportVectors();

    for (int i = 0; i < sv.rows; ++i)
    
        const float* v = sv.ptr<float>(i);
        circle(image, Point((int)v[0], (int)v[1]), 6, Scalar(128, 128, 128), thickness, lineType);
    

    imwrite("result.png", image);        // save the image

    imshow("SVM Simple Example", image); // show it to the user
    waitKey(0);

输出应如下所示：

【讨论】：

如果我有两个负数据集和正数据集，我该如何为 SVM 训练这些数据集

@Miki 谢谢——总是很难找到这些新东西，因为搜索引擎已经展示了很多旧方法！我对此进行了修改以显式显示哪些内容位于哪个命名空间中，并将绘图链接到实际数据而不是复制它：gist.github.com/daviddoria/943b82f1877f4ed3541544c48c22926d

@Miki 我们不能在堆栈上创建 SVM 对象有什么原因吗？我查看了svm.cpp 和create() 只返回一个SVMImpl，但这是故意隐藏的，我猜是因为这就是PIMPL 的意义所在？只是想确认我的理解:)

@Miki 我试过trainAuto（与train相比）发现response在使用-1时在任何地方都为零。输出图像看起来一样，除了大的蓝色区域变成黑色（因为图像被初始化为零）。这是预期的吗？

嗨@大卫！我明天会检查.. 或星期一；D 感谢您的编辑！ （据我了解是适合“算法”界面。是的，pimpl .. 不打算在课堂外使用）

【参考方案2】：

我发现上面的代码有效，但我需要进行一些小修改才能将标签转换为整数。修改为粗体：

// Set up training data **Original**:

int labels[4] =  1, -1, -1, -1 ;

Mat labelsMat(4, 1, **CV_32SC1**, labels);

// Set up training data **Modified**:

int labels[4] =  1, -1, -1, -1 ;

Mat labelsMat(4, 1, **CV_32S**, labels);

【讨论】：

为什么需要这样做？

根据我的成员，类标签是双精度或特征矩阵是整数。这是 6 多年前的事了，所以有点朦胧

CV_32S 和 CV_32SC1 考虑到构造函数的调用方式没有区别。它们在这里的意思是一样的。