大家好，又见面了，我是你们的朋友全栈君。
说起神经网络，很多人以为只有Keras或者tensorflow才支持，其实OpenCV也支持神经网络的，下面就使用OpenCV的神经网络进行手写数字识别，训练10次的准确率就高达96%。 环境准备： vs2015 OpenCV4.5.0 以下为ANN神经网络的训练代码：
代码语言：javascript复制#include<iostream>
#include<opencv.hpp>
#include <string>
#include <fstream>
using namespace std;
using namespace cv;
using namespace cv::ml;
//小端存储转换
int reverseInt(int i);
//读取image数据集信息
Mat read_mnist_image(const string fileName);
//读取label数据集信息
Mat read_mnist_label(const string fileName);
//将标签数据改为one-hot型
Mat one_hot(Mat label, int classes_num);
string train_images_path = "G:/vs2015_opencv_ml/mnist/train-images.idx3-ubyte";
string train_labels_path = "G:/vs2015_opencv_ml/mnist/train-labels.idx1-ubyte";
string test_images_path = "G:/vs2015_opencv_ml/mnist/t10k-images.idx3-ubyte";
string test_labels_path = "G:/vs2015_opencv_ml/mnist/t10k-labels.idx1-ubyte";
int main()
{
/* ---------第一部分：训练数据准备----------- */
//读取训练标签数据 (60000,1) 类型为int32
Mat train_labels = read_mnist_label(train_labels_path);
//ann神经网络的标签数据需要转为one-hot型
train_labels = one_hot(train_labels, 10);
//读取训练图像数据 (60000,784) 类型为float32 数据未归一化
Mat train_images = read_mnist_image(train_images_path);
//将图像数据归一化
train_images = train_images / 255.0;
//读取测试数据标签(10000,1) 类型为int32 测试标签不用转为one-hot型
Mat test_labels = read_mnist_label(test_labels_path);
//读取测试数据图像 (10000,784) 类型为float32 数据未归一化
Mat test_images = read_mnist_image(test_images_path);
//归一化
test_images = test_images / 255.0;
/* ---------第二部分：构建ann训练模型并进行训练----------- */
cv::Ptr<cv::ml::ANN_MLP> ann = cv::ml::ANN_MLP::create();
//定义模型的层次结构 输入层为784 隐藏层为64 输出层为10
Mat layerSizes = (Mat_<int>(1, 3) << 784, 64, 10);
ann->setLayerSizes(layerSizes);
//设置参数更新为误差反向传播法
ann->setTrainMethod(ANN_MLP::BACKPROP, 0.001, 0.1);
//设置激活函数为sigmoid
ann->setActivationFunction(ANN_MLP::SIGMOID_SYM, 1.0, 1.0);
//设置跌打条件 最大训练次数为100
ann->setTermCriteria(TermCriteria(TermCriteria::MAX_ITER | TermCriteria::EPS, 10, 0.0001));
//开始训练
cv::Ptr<cv::ml::TrainData> train_data = cv::ml::TrainData::create(train_images, cv::ml::ROW_SAMPLE,train_labels);
cout << "开始进行训练..." << endl;
ann->train(train_data);
cout << "训练完成" << endl;
/* ---------第三部分：在测试数据集上预测计算准确率----------- */
Mat pre_out;
//返回值为第一个图像的预测值 pre_out为整个batch的预测值集合
cout << "开始进行预测..." << endl;
float ret = ann->predict(test_images, pre_out);
cout << "预测完成" << endl;
//计算准确率
int equal_nums = 0;
for (int i = 0; i < pre_out.rows; i )
{
//获取每一个结果的最大值所在下标
Mat temp = pre_out.rowRange(i, i 1);
double maxVal = 0;
cv::Point maxPoint;
cv::minMaxLoc(temp,NULL, &maxVal,NULL, &maxPoint);
int max_index = maxPoint.x;
int test_index = test_labels.at<int32_t>(i, 0);
if (max_index == test_index)
{
equal_nums ;
}
}
float acc = float(equal_nums) / float(pre_out.rows);
cout << "测试数据集上的准确率为：" << acc * 100 << "%" << endl;
//保存模型
ann->save("mnist_ann.xml");
getchar();
return 0;
}
;
int reverseInt(int i) {
unsigned char c1, c2, c3, c4;
c1 = i & 255;
c2 = (i >> 8) & 255;
c3 = (i >> 16) & 255;
c4 = (i >> 24) & 255;
return ((int)c1 << 24) ((int)c2 << 16) ((int)c3 << 8) c4;
}
Mat read_mnist_image(const string fileName) {
int magic_number = 0;
int number_of_images = 0;
int n_rows = 0;
int n_cols = 0;
Mat DataMat;
ifstream file(fileName, ios::binary);
if (file.is_open())
{
cout << "成功打开图像集 ..." << endl;
file.read((char*)&magic_number, sizeof(magic_number));//幻数（文件格式）
file.read((char*)&number_of_images, sizeof(number_of_images));//图像总数
file.read((char*)&n_rows, sizeof(n_rows));//每个图像的行数
file.read((char*)&n_cols, sizeof(n_cols));//每个图像的列数
magic_number = reverseInt(magic_number);
number_of_images = reverseInt(number_of_images);
n_rows = reverseInt(n_rows);
n_cols = reverseInt(n_cols);
cout << "幻数（文件格式）:" << magic_number
<< " 图像总数:" << number_of_images
<< " 每个图像的行数:" << n_rows
<< " 每个图像的列数:" << n_cols << endl;
cout << "开始读取Image数据......" << endl;
DataMat = Mat::zeros(number_of_images, n_rows * n_cols, CV_32FC1);
for (int i = 0; i < number_of_images; i ) {
for (int j = 0; j < n_rows * n_cols; j ) {
unsigned char temp = 0;
file.read((char*)&temp, sizeof(temp));
//可以在下面这一步将每个像素值归一化
float pixel_value = float(temp);
//按照行将像素值一个个写入Mat中
DataMat.at<float>(i, j) = pixel_value;
}
}
cout << "读取Image数据完毕......" << endl;
}
file.close();
return DataMat;
}
Mat read_mnist_label(const string fileName) {
int magic_number;
int number_of_items;
Mat LabelMat;
ifstream file(fileName, ios::binary);
if (file.is_open())
{
cout << "成功打开标签集 ... " << endl;
file.read((char*)&magic_number, sizeof(magic_number));
file.read((char*)&number_of_items, sizeof(number_of_items));
magic_number = reverseInt(magic_number);
number_of_items = reverseInt(number_of_items);
cout << "幻数（文件格式）:" << magic_number << " ;标签总数:" << number_of_items << endl;
cout << "开始读取Label数据......" << endl;
//CV_32SC1代表32位有符号整型 通道数为1
LabelMat = Mat::zeros(number_of_items, 1, CV_32SC1);
for (int i = 0; i < number_of_items; i ) {
unsigned char temp = 0;
file.read((char*)&temp, sizeof(temp));
LabelMat.at<unsigned int>(i, 0) = (unsigned int)temp;
}
cout << "读取Label数据完毕......" << endl;
}
file.close();
return LabelMat;
}
//将标签数据改为one-hot型
Mat one_hot(Mat label, int classes_num)
{
//[2]->[0 1 0 0 0 0 0 0 0 0]
int rows = label.rows;
Mat one_hot = Mat::zeros(rows, classes_num, CV_32FC1);
for (int i = 0; i < label.rows; i )
{
int index = label.at<int32_t>(i, 0);
one_hot.at<float>(i, index) = 1.0;
}
return one_hot;
}执行代码，训练结果如下：
代码语言：javascript复制成功打开标签集 ...
幻数（文件格式）:2049 ;标签总数:60000
开始读取Label数据......
读取Label数据完毕......
成功打开图像集 ...
幻数（文件格式）:2051 图像总数:60000 每个图像的行数:28 每个图像的列数:28
开始读取Image数据......
读取Image数据完毕......
成功打开标签集 ...
幻数（文件格式）:2049 ;标签总数:10000
开始读取Label数据......
读取Label数据完毕......
成功打开图像集 ...
幻数（文件格式）:2051 图像总数:10000 每个图像的行数:28 每个图像的列数:28
开始读取Image数据......
读取Image数据完毕......
开始进行训练...
训练完成
开始进行预测...
预测完成
测试数据集上的准确率为：96.26%从上可知，使用ANN神经网络仅仅训练10次，就可以达到96.24%的识别率，增大训练次数，这个识别率还会提高，而且ann的模型文件非常小，才一兆多一点，由此可知，ANN模型非常适合端上部署。
使用ann的模型文件识别OpenCV加载的手写数字图片，代码如下：
代码语言：javascript复制#include<iostream>
#include<opencv.hpp>
using namespace std;
using namespace cv;
int main()
{
//读取一张手写数字图片(28,28)
Mat image = cv::imread("shuzi1.jpg", 0);
Mat img_show = image.clone();
//更换数据类型有uchar->float32
image.convertTo(image, CV_32F);
//归一化
image = image / 255.0;
//(1,784)
image = image.reshape(1, 1);
//加载ann模型
cv::Ptr<cv::ml::ANN_MLP> ann= cv::ml::StatModel::load<cv::ml::ANN_MLP>("mnist_ann.xml");
//预测图片
Mat pre_out;
float ret = ann->predict(image,pre_out);
double maxVal = 0;
cv::Point maxPoint;
cv::minMaxLoc(pre_out, NULL, &maxVal, NULL, &maxPoint);
int max_index = maxPoint.x;
cout << "图像上的数字为：" << max_index << " 置信度为：" << maxVal << endl;
cv::imshow("img", img_show);
cv::waitKey(0);
getchar();
return 0;
}执行以上代码，结果如下：
由此可见，使用该ANN模型能正确识别手写数字，并且ANN模型由于保存的是权重参数，因此模型文件极小，非常适合在端上进行部署。
发布者：全栈程序员栈长，转载请注明出处：https://javaforall.cn/147908.html原文链接：https://javaforall.cn
