OpenCV3.3中 K-最近邻法(KNN)接口简介及使用
OpenCV 3.3中给出了K-最近邻(KNN)算法的实现，即cv::ml::Knearest类，此类的声明在include/opecv2/ml.hpp文件中，实现在modules/ml/src/knearest.cpp文件中。其中：
(1)、cv::ml::Knearest类：继承自cv::ml::StateModel，而cv::ml::StateModel又继承自cv::Algorithm;
(2)、create函数：为static，new一个KNearestImpl用来创建一个KNearest对象；
(3)、setDefaultK/getDefaultK函数：在预测时，设置/获取的K值；
(4)、setIsClassifier/getIsClassifier函数：设置/获取应用KNN是进行分类还是回归；
(5)、setEmax/getEmax函数：在使用KDTree算法时，设置/获取Emax参数值；
(6)、setAlgorithmType/getAlgorithmType函数：设置/获取KNN算法类型，目前支持两种：brute_force和KDTree；
(7)、findNearest函数：根据输入预测分类/回归结果。
关于KNN算法介绍可以参考： http://blog.csdn.net/fengbingchun/article/details/78464169
以下是从数据集MNIST中提取的40幅图像，0,1,2,3四类各20张，每类的前10幅来自于训练样本，用于训练，后10幅来自测试样本，用于测试，如下图：
关于MNIST的介绍可以参考： http://blog.csdn.net/fengbingchun/article/details/49611549
测试代码如下：
#include "opencv.hpp"
#include <string>
#include <vector>
#include <memory>
#include <algorithm>
#include <opencv2/opencv.hpp>
#include <opencv2/ml.hpp>
#include "common.hpp"/// K-Nearest Neighbor(KNN) //
int test_opencv_knn_predict()
{const int K{ 3 };cv::Ptr<cv::ml::KNearest> knn = cv::ml::KNearest::create();knn->setDefaultK(K);knn->setIsClassifier(true);knn->setAlgorithmType(cv::ml::KNearest::BRUTE_FORCE);const std::string image_path{"E:/GitCode/NN_Test/data/images/digit/handwriting_0_and_1/"};cv::Mat tmp = cv::imread(image_path + "0_1.jpg", 0);const int train_samples_number{ 40 }, predict_samples_number{ 40 };const int every_class_number{ 10 };cv::Mat train_data(train_samples_number, tmp.rows * tmp.cols, CV_32FC1);cv::Mat train_labels(train_samples_number, 1, CV_32FC1);float* p = (float*)train_labels.data;for (int i = 0; i < 4; ++i) {std::for_each(p + i * every_class_number, p + (i + 1)*every_class_number, [i](float& v){v = (float)i; });}// train datafor (int i = 0; i < 4; ++i) {static const std::vector<std::string> digit{ "0_", "1_", "2_", "3_" };static const std::string suffix{ ".jpg" };for (int j = 1; j <= every_class_number; ++j) {std::string image_name = image_path + digit[i] + std::to_string(j) + suffix;cv::Mat image = cv::imread(image_name, 0);CHECK(!image.empty() && image.isContinuous());image.convertTo(image, CV_32FC1);image = image.reshape(0, 1);tmp = train_data.rowRange(i * every_class_number + j - 1, i * every_class_number + j);image.copyTo(tmp);}}knn->train(train_data, cv::ml::ROW_SAMPLE, train_labels);// predict dattacv::Mat predict_data(predict_samples_number, tmp.rows * tmp.cols, CV_32FC1);for (int i = 0; i < 4; ++i) {static const std::vector<std::string> digit{ "0_", "1_", "2_", "3_" };static const std::string suffix{ ".jpg" };for (int j = 11; j <= every_class_number+10; ++j) {std::string image_name = image_path + digit[i] + std::to_string(j) + suffix;cv::Mat image = cv::imread(image_name, 0);CHECK(!image.empty() && image.isContinuous());image.convertTo(image, CV_32FC1);image = image.reshape(0, 1);tmp = predict_data.rowRange(i * every_class_number + j - 10 - 1, i * every_class_number + j - 10);image.copyTo(tmp);}}cv::Mat result;knn->findNearest(predict_data, K, result);CHECK(result.rows == predict_samples_number);cv::Mat predict_labels(predict_samples_number, 1, CV_32FC1);p = (float*)predict_labels.data;for (int i = 0; i < 4; ++i) {std::for_each(p + i * every_class_number, p + (i + 1)*every_class_number, [i](float& v){v = (float)i; });}int count{ 0 };for (int i = 0; i < predict_samples_number; ++i) {float value1 = ((float*)predict_labels.data)[i];float value2 = ((float*)result.data)[i];fprintf(stdout, "expected value: %f, actual value: %f\n", value1, value2);if (int(value1) == int(value2)) ++count;}fprintf(stdout, "when K = %d, accuracy: %f\n", K, count * 1.f / predict_samples_number);return 0;
}测试结果如下：
GitHub： https://github.com/fengbingchun/NN_Test
相关文章：
华为于璠：新一代AI开源计算框架MindSpore的前世与今生 | AI ProCon 2019
演讲嘉宾 | 于璠（华为MindSpore资深架构师）编辑 | 刘静出品 | AI科技大本营（ID:rgznai100）9月，2019中国AI开发者大会（AI ProCon 2019）在北京举行。在AI开源技术专题中，华为MindSpore…
TCC分布式事务的实现原理
目录 一、写在前面 二、业务场景介绍 三、进一步思考 四、落地实现TCC分布式事务 (1)TCC实现阶段一：Try (2)TCC实现阶段二：Confirm (3)TCC实现阶段三：Cancel 五、总结与思考 一、写在前面 之前网上看到很多写分布式事务的文章，不过…
Brute Force算法介绍及C++实现
字符串的模式匹配操作可以通过Brute Force算法来实现。字符串匹配操作即是查看S串(目标串或主串)中是否含有T串(模式串或子串)，如果在主串中查找到了子串，则模式匹配成功，返回模式串中的第一个字符在主串中的位置；如果未找到&…
使用Go内置库实现简易httpbin功能
简介 通过学习「Go语言圣经」的入门部分，了解到 go 内置库里提供了一个简单的 http 功能。于是想模拟下httpbin[1]的 get 方法显示 header 头信息的功能来练手。 本人 Go 初学小白，为了练习只是简单的实现了请求 header 的 JSON 格式展示，跟 …
Google图嵌入工业界最新大招，高效解决训练大规模深度图卷积神经网络问题
导读：本文主要介绍Google发表在KDD 2019的图嵌入工业界最新论文，提出Cluster-GCN，高效解决工业界训练大规模深度图卷积神经网络问题，性能大幅提升基础上依靠可训练更深层网络达到SOTA效果，并开源了源代码。作者 | yyl4…
经典树型表结构之SORT_NO
为什么80%的码农都做不了架构师？>>> 在以下情况需要对经典树型表的sort_no进行重排序：1、插入节点（插入子树），需调整节点后所有sort_no;2、删除节点（删除子树），需调整节…
Ubuntu14.04上安装TensorRT 2.1操作步骤
在Ubuntu14.04 上安装TensorRT2.1有两种方法：(1)、通过.deb直接安装；(2)、通过Tar文件安装。这里通过Tar文件安装。安装步骤：1. 安装CUDA 8.0，可参考： http://blog.csdn.net/fengbingchun/article/details/53840684 ;…
学会这门编程知识，可能决定你能进什么样的企业
对于程序员来讲，很多技术真正掌握之后，都能影响甚至说改变一个人的命运，比如：python、AI、DL、算法等等，但是如果只让你选择其中的一项基础知识，你会选择哪个呢？如果是我， 我会选——…
雷林鹏分享：MySQL 及 SQL 注入
MySQL 及 SQL 注入 如果您通过网页获取用户输入的数据并将其插入一个MySQL数据库，那么就有可能发生SQL注入安全的问题。 本章节将为大家介绍如何防止SQL注入，并通过脚本来过滤SQL中注入的字符。 所谓SQL注入，就是通过把SQL命令插入到Web表单递…
dedecms网站文章内容按自定义排序的方法
标签dede:arclist的排序是通过orderby来指定的，如下： {dede:arclist orderby’排序字段’ } {/dede:arclist} orderby’sortrank’ 文档排序方式 orderby’hot’ 或 orderby’click’ 表示按点击数排列 orderby’sortrank’ 或 orderby’pubdate’ 按…
有了这套模板，再不担心刷不动LeetCode了
（图片下载自视觉中国）作者 | 李威来源 | https://www.liwei.party/整理 | 五分钟学算法（ID: CXYxiaowu）正文下面的动画以 「力扣」第 704 题：二分查找 为例，展示了使用这个模板编写二分查找法的一般流程。b…
一线互联网技术：Java工程师架构知识系统化汇总，面完45K！
根据高端招聘平台100 offer发布的Java人才盘点报告，在过去的2018年，Java仍然是最流行、招聘供需量最大的技术语言。在此基础上，互联网行业针对 Java 开发的招聘需求，也是近年技术类岗位供需量最大，且变化最稳定的。企业…
C++中局部类的使用
类可以定义在某个函数的内部，我们称这样的类为局部类(local class)。局部类定义的类型只在定义它的作用域内可见。和嵌套类不同，局部类的成员受到严格控制。局部类的所有成员(包括函数在内)都必须完整定义在类的内部。因此，局部类的作用与嵌套…
按键驱动的恩恩怨怨之概述
转载请注明出处：http://blog.csdn.net/ruoyunliufeng/article/details/23946487 研究按键驱动已经有几天了，尽管是0基础的驱动，可是当中包括的知识确实不少。接下来的几篇文章我会分别从浅入深的分析按键驱动。希望能对大家有所帮助。因为屌…
C++中嵌套类的使用
一个类可以定义在另一个类的内部，前者称为嵌套类(nested class)或嵌套类型(nested type)。嵌套类常用于定义作为实现部分的类。嵌套类可用于隐藏实现细节。嵌套类是一个独立的类，与外层类基本没什么关系。特别是，外层类的对象和嵌套类的对象是…
挑战弱监督学习的三大热门问题 AutoWSL2019挑战赛正式开赛
AutoWSL2019作为11月17-19日亚洲机器学习大会（ACML）主会议竞赛单元之一，由第四范式、ChaLearn、RIKEN和微软联合举办，其中竞赛分享和颁奖将与大会WSL-Workshop共同举办。据悉，AutoWSL是继AutoCV、AutoCV2、AutoNLP、Au…
数据连接池的工作机制是什么?
以典型的数据库连接池为例： 首先普通的数据库访问是这样的：程序和数据库建立连接，发送数据操作的指令，完成后断开连接。等下一次请求的时候重复这个过程，即每个请求都需要和数据库建立连接和断开连接，这样当…
apkplug插件托管服务简化与简介-05
2019独角兽企业重金招聘Python工程师标准>>> 本文基于TuoClondService1.1.0讲解 apkplug插件托管服务是提供给开发者一个远程发布插件的管理平台，但v1.0.0版本接口调用有些复杂我们在v1.1.0版本中着重对其进行了简化 与封装，使开发者能更简…
SpringBoot-JPA入门
SpringBoot-JPA入门 JPA就是Spring集成了hibernate感觉。 注解，方法仓库（顾名思义的方法，封装好了，还有自定义的方法）。 案例: spring:datasource:url: jdbc:mysql://localhost:3306/springboot?useUnicodetrue&c…
PCA、LDA、MDS、LLE、TSNE等降维算法的Python实现
整理 | 夕颜出品 | AI科技大本营（ID:rgznai100）【导读】网上关于各种降维算法的资料参差不齐，但大部分不提供源代码。近日，有人在 GitHub 上整理了一些经典降维算法的 Demo(Python)集合，同时给出了参考资料的链接。PCA…
C++11中enum class的使用
枚举类型(enumeration)使我们可以将一组整型常量组织在一起。和类一样，每个枚举类型定义了一种新的类型。枚举属于字面值常量类型。 C包含两种枚举：限定作用域的和不限定作用域的。这里主要介绍限定作用域的。不限定作用域的使用可以参考： ht…
Windows下Mysql主从配置（Mysql5.5）
主数据库IP:192.168.3.169从数据库IP:192.168.3.34主数据库配置my.inin：在[mysqld]下添加配置数据：server-id1 #配一个唯一的ID编号，1至32。log-binmysql-bin #二进制文件存放路径#设置要进行或不要进行主从复制的数据库名，同…
K-最近邻法(KNN) C++实现
关于KNN的介绍可以参考： http://blog.csdn.net/fengbingchun/article/details/78464169 这里给出KNN的C实现，用于分类。训练数据和测试数据均来自MNIST，关于MNIST的介绍可以参考： http://blog.csdn.net/fengbingchun/article/deta…
AI大佬“互怼”：Bengio和Gary Marcus隔空对谈深度学习发展现状
编译 | AI科技大本营编辑部出品 | AI科技大本营（ID:rgznai100）去年以来，由于纽约大学教授 Gary Marcus 对深度学习批评，导致他在社交媒体上与许多知名的 AI 研究人员如 Facebook 首席 AI 科学家 Yann LeCun 进行了一场论战。不止 …
Centos7多内核情况下修改默认启动内核方法
1.1 进入grub.cfg配置文件存放目录/boot/grub2/并备份grub.cfg配置文件 [rootlinux-node1 ~]# cd /boot/grub2/ [rootlinux-node1 grub2]# cp -p grub.cfg grub.cfg.bak [rootlinux-node1 grub2]# ls -ld grub.cfg* -rw-r--r--. 1 root root 5162 Aug 11 2018 grub.cfg -rw-r…
TensorRT Samples: MNIST
关于TensorRT的介绍可以参考： http://blog.csdn.net/fengbingchun/article/details/78469551以下是参考TensorRT 2.1.2中的sampleMNIST.cpp文件改写的实现对手写数字0-9识别的测试代码，各个文件内容如下：common.hpp:#ifndef FBC_TENSORRT_TE…
网红“AI大佬”被爆论文剽窃，Jeff Dean都看不下去了
作者 | 夕颜、Just出品 | AI科技大本营（ID:rgznai100）【导读】近日，推特上一篇揭露 YouTube 网红老师 Siraj Raval 新发表论文涉抄袭其他学者的帖子引起了讨论。揭露者是曼彻斯特大学计算机科学系研究员 Andrew M. Webb，他在 Twit…
数位dp（求1-n中数字1出现的个数）
题意：求1-n的n个数字中1出现的个数。 解法:数位dp，dp[pre][now][equa] 记录着第pre位为now，equa表示前边是否有降数字（即后边可不能够任意取，true为没降，true为已降）；常规的记忆化搜…
TensorRT Samples: MNIST API
关于TensorRT的介绍可以参考： http://blog.csdn.net/fengbingchun/article/details/78469551 以下是参考TensorRT 2.1.2中的sampleMNISTAPI.cpp文件改写的实现对手写数字0-9识别的测试代码，各个文件内容如下：common.hpp:#ifndef FBC_TENSORR…
免费学习AI公开课：打卡、冲击排行榜，还有福利领取
CSDN 技术公开课 Plus--AI公开课再度升级内容全新策划：贴近开发者，更多样、更落地形式多样升级：线上线下、打卡学习，资料福利，共同交流成长，扫描下方小助手二维码，回复：公开课&#…