最近剛轉用opencv3，使用ANN算法時遇到了一些問題，記錄下來。

訓練神經網絡的代碼如下：

?

//創建ANN Ptr<ANN_MLP> bp = ANN_MLP::create();

設置層數時，要注意：例子的數量要和標簽的數量相同

第一項為圖片的像素數，最后一項為訓練的種類數

//設置層數Mat layerSizes = (Mat_<int>(1, 4) << image_rows*image_cols, int(image_rows*image_cols / 2), int(image_rows*image_cols / 2), class_num);bp->setLayerSizes(layerSizes);

?

bp->setActivationFunction(ANN_MLP::SIGMOID_SYM, 1, 1);void setActivationFunction(int _activ_func, double _f_param1, double _f_param2 );bp->setTermCriteria(TermCriteria(TermCriteria::MAX_ITER + TermCriteria::EPS, 300, FLT_EPSILON));bp->setTrainMethod(ANN_MLP::BACKPROP, 0.001);Ptr<TrainData> tData = TrainData::create(DataMat, ROW_SAMPLE, labelsMat);bp->train(tData); float response = ann->predict(testMat);

?

?

?

?

?

//加載分類器時,使用以下任意一個即可 Ptr<ANN_MLP> bp = StatModel::load<ANN_MLP>("*.xml"); Ptr<ANN_MLP> bp = ANN_MLP::load<ANN_MLP>("*.xml"); Ptr<ANN_MLP> bp = Algorithm::load<ANN_MLP>("*.xml");

?

不知道為什么，我使用opencv3的ANN算法 跟opencv2中的算法識別結果差距很大（2識別結果大致正確，3識別結果完全不對），參數完全相同時結果差距也很大，不知道要怎樣解決。

總結

以上是生活随笔為你收集整理的opencv3——ANN算法的使用的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。