解析C++版OpenCV里的机器学习

资讯 3年前

923

使用openCV的Knn定义在人工智能中，更确切地说在机器学习中，k最近邻方法是一种有监督的学习方法。在这个框架中，我们有一个由N个“输入－输出”对组成的训练数据库。为了估计与新输入x 相关联的输出，k最近邻方法包括根据要定义的距离（以相同的方式）考虑k个训练样本，其输入最接近新输入x

使用openCV的Knn

定义

在人工智能中，更确切地说在机器学习中，k最近邻方法是一种有监督的学习方法。在这个框架中，我们有一个由N个“输入－输出”对组成的训练数据库。为了估计与新输入x 相关联的输出，k最近邻方法包括根据要定义的距离（以相同的方式）考虑k个训练样本，其输入最接近新输入x。由于此算法基于距离，因此归一化可以提高其准确性。

方法

因此，要使用KNN方法进行分类，我们必须首先声明训练样本，或者可以说输入数据。

在声明了0和1矩阵之后，我们必须使用函数“RNG”将它们填充为随机值。

现在我们需要将两个类连接起来，以便进行学习。

训练

要进行训练，你必须首先使用以下代码行创建模型：

现在，我们将进行遍历整个图像的循环（我们选择的平面为500x500像素，以绘制不同类别的区域，当然也将点放置在它们的位置），然后学习模型的输出对于第一类将为0，对于第二类将为1。通过查找（或者可以说通过计算距离），我们用定义该像素属于此类的颜色填充图像的每个像素，这样就可以使边框可视化。因此，要进行训练，你必须首先使用以下代码行创建模型：