C 版OpenCV里的机器学习

https://youtu.be/IzaXRux_FAY
使用openCV的Knn








如果有病的人被归类为有病的人(带有红点),那么在这里我们说他是一个真阴性(正确分类为真,生病为阴性)。 如果将一个有病的人归类为没有生病的人,那么在这里我们说这是一个假阴性(错误分类为假,生病为阴性)。 如果没有生病的人被归类为没有生病的人(带有绿色),那么在这里我们说这是一个真阳性(对于分类良好的人来说是真,对于没有病的人来说是阳性)。 如果未生病的人被归类为生病的人,那么在这里我们说这是假阳性。








具有OpenCV的SVM













词袋



在有关手风琴对象的15张测试图像中,有5张分类错误的图像和10张分类正确的图像。 对于“飞机”:分类良好的11张图像,分类不良的4张。 对于“锚”:5张图像分类良好,10张图像分类不良。 对于“蚂蚁”:8张分类良好的图像和7张分类不良的图像。

数据的类型非常接近,这使得4个类的关注点的提取变得非常接近。 训练数据,我们每班仅使用10张图像,而有必要放置更多图像,以便该模型在许多图像上学习更多。 而且在测试级别上,我们仅对15张图像进行了测试,也许如果我们增加测试数据,则误差会有所降低。
你可以在此链接中找到代码 https://github.com/amine0110/opencv-for-machine-learning-using-cpp
赞 (0)