openCV SVM

SVM C/C++ code

>> 주의사항

 - svm 에 초기값을 제대로 넣어주어야 결과가 제대로 나온다. 

   dataclass 의 type 수를 2개만 줄건지 그 이상 줄건지 확실히 하도록 하자.  그렇지 않으면 svm 의 predict() 함수의 return 값이 원하는 값이 아닐 거다!

>> 코드 

- 초기화

// Set up training data
float labels[4] = {1.0, 2.0, 2.0, 1.0};
Mat labelsMat(4, 1, CV_32FC1, labels);
float trainingData[4][2] = { {501, 10}, {255, 10}, {501, 255}, {10, 501} };
Mat trainingDataMat(4, 2, CV_32FC1, trainingData);

-  train & predict

SVM svm;
	svm.train(trainingDataMat, labelsMat, Mat(), Mat(), params);

	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_(1,2) << i,j);
			float response = svm.predict(sampleMat);
			//cout << "response =" << response << endl;
			
			if ( response == 1)
				image.at(j, i)  = green;
			else if (response == -1)
				image.at(j, i)  = blue;
		}

	}

... 

predict() 함수

float response = svm.predict(sampleMat, true);

위의 함수에서 2번째 parameter 로 true 값을 줄 경우 distance 값이 출력. ( distance 값을 출력하기 위해서는 class type=2 이어야 함)

>> 추가 설명

 - 이미지를 training 하고 SVM 을 이용하여 classification 을 하고 싶을 때에는 HOG, sift 등 feature 정보를 담자. 

 - 하는 방법은 찾아보기!

전체 소스코드 - 열어보자

abc

#include 
#include 
#include 
#include 
#include 

using namespace std;
using namespace cv;


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

	// Set up training data
	float labels[4] = {1.0, 2.0, 2.0, 1.0};
	Mat labelsMat(4, 1, CV_32FC1, 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
	SVMParams params;
	params.svm_type    = SVM::C_SVC;
	params.kernel_type = SVM::LINEAR;
	params.term_crit   = TermCriteria(CV_TERMCRIT_ITER, 100, 1e-6);

	// Train the SVM
	SVM svm;
	svm.train(trainingDataMat, labelsMat, Mat(), Mat(), params);

	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_(1,2) << i,j);
			float response = svm.predict(sampleMat);
			//cout << "response =" << response << endl;
			
			if ( response == 1)
				image.at(j, i)  = green;
			else if (response == -1)
				image.at(j, i)  = 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;
		int c     = svm.get_support_vector_count();

		for (int i = 0; i < c; ++i)
		{
			const float* v = svm.get_support_vector(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);

}

def