opencv神经网络 新增样本学习需要全部重新开始吗

opencv的神经网络类为什么不能定义全局变量~

神经系统（nervous system）是机体内起主导作用的系统，分为中枢神经系统和周围神经系统两大部分。 神经系统是人体内起主导作用的功能调节系统。人体的结构与功能均极为复杂，体内各器官

3.x版本中的contrib中有神经网路相关里的例子，但是需要在安装opencv之后再手动安装。

整个项目的结构图：

编写DetectFaceDemo.java,代码如下：

[java] view
plaincopyprint?

package com.njupt.zhb.test;

import org.opencv.core.Core;

import org.opencv.core.Mat;

import org.opencv.core.MatOfRect;

import org.opencv.core.Point;

import org.opencv.core.Rect;

import org.opencv.core.Scalar;

import org.opencv.highgui.Highgui;

import org.opencv.objdetect.CascadeClassifier;

//

// Detects faces in an image, draws boxes around them, and writes the results

// to "faceDetection.png".

//

public class DetectFaceDemo {

public void run() {

System.out.println("\nRunning DetectFaceDemo");

System.out.println(getClass().getResource("lbpcascade_frontalface.xml").getPath());

// Create a face detector from the cascade file in the resources

// directory.

//CascadeClassifier faceDetector = new CascadeClassifier(getClass().getResource("lbpcascade_frontalface.xml").getPath());

//Mat image = Highgui.imread(getClass().getResource("lena.png").getPath());

//注意：源程序的路径会多打印一个‘/’，因此总是出现如下错误

/*

* Detected 0 faces Writing faceDetection.png libpng warning: Image

* width is zero in IHDR libpng warning: Image height is zero in IHDR

* libpng error: Invalid IHDR data

*/

//因此，我们将第一个字符去掉

String xmlfilePath=getClass().getResource("lbpcascade_frontalface.xml").getPath().substring(1);

CascadeClassifier faceDetector = new CascadeClassifier(xmlfilePath);

Mat image = Highgui.imread(getClass().getResource("we.jpg").getPath().substring(1));

// Detect faces in the image.

// MatOfRect is a special container class for Rect.

MatOfRect faceDetections = new MatOfRect();

faceDetector.detectMultiScale(image, faceDetections);

System.out.println(String.format("Detected %s faces", faceDetections.toArray().length));

// Draw a bounding box around each face.

for (Rect rect : faceDetections.toArray()) {

Core.rectangle(image, new Point(rect.x, rect.y), new Point(rect.x + rect.width, rect.y + rect.height), new Scalar(0, 255, 0));

}

// Save the visualized detection.

String filename = "faceDetection.png";

System.out.println(String.format("Writing %s", filename));

Highgui.imwrite(filename, image);

}

}
package com.njupt.zhb.test;
import org.opencv.core.Core;
import org.opencv.core.Mat;
import org.opencv.core.MatOfRect;
import org.opencv.core.Point;
import org.opencv.core.Rect;
import org.opencv.core.Scalar;
import org.opencv.highgui.Highgui;
import org.opencv.objdetect.CascadeClassifier;

//
// Detects faces in an image, draws boxes around them, and writes the results
// to "faceDetection.png".
//
public class DetectFaceDemo {
public void run() {
System.out.println("\nRunning DetectFaceDemo");
System.out.println(getClass().getResource("lbpcascade_frontalface.xml").getPath());
// Create a face detector from the cascade file in the resources
// directory.
//CascadeClassifier faceDetector = new CascadeClassifier(getClass().getResource("lbpcascade_frontalface.xml").getPath());
//Mat image = Highgui.imread(getClass().getResource("lena.png").getPath());
//注意：源程序的路径会多打印一个‘/’，因此总是出现如下错误
/*
* Detected 0 faces Writing faceDetection.png libpng warning: Image
* width is zero in IHDR libpng warning: Image height is zero in IHDR
* libpng error: Invalid IHDR data
*/
//因此，我们将第一个字符去掉
String xmlfilePath=getClass().getResource("lbpcascade_frontalface.xml").getPath().substring(1);
CascadeClassifier faceDetector = new CascadeClassifier(xmlfilePath);
Mat image = Highgui.imread(getClass().getResource("we.jpg").getPath().substring(1));
// Detect faces in the image.
// MatOfRect is a special container class for Rect.
MatOfRect faceDetections = new MatOfRect();
faceDetector.detectMultiScale(image, faceDetections);

System.out.println(String.format("Detected %s faces", faceDetections.toArray().length));

// Draw a bounding box around each face.
for (Rect rect : faceDetections.toArray()) {
Core.rectangle(image, new Point(rect.x, rect.y), new Point(rect.x + rect.width, rect.y + rect.height), new Scalar(0, 255, 0));
}

// Save the visualized detection.
String filename = "faceDetection.png";
System.out.println(String.format("Writing %s", filename));
Highgui.imwrite(filename, image);
}
}

3.编写测试类：

[java] view
plaincopyprint?

package com.njupt.zhb.test;

public class TestMain {

public static void main(String[] args) {

System.out.println("Hello, OpenCV");

// Load the native library.

System.loadLibrary("opencv_java246");

new DetectFaceDemo().run();

}

}

//运行结果:

//Hello, OpenCV

//

//Running DetectFaceDemo

///E:/eclipse_Jee/workspace/JavaOpenCV246/bin/com/njupt/zhb/test/lbpcascade_frontalface.xml

//Detected 8 faces

//Writing faceDetection.png
package com.njupt.zhb.test;
public class TestMain {
public static void main(String[] args) {
System.out.println("Hello, OpenCV");
// Load the native library.
System.loadLibrary("opencv_java246");
new DetectFaceDemo().run();
}
}
//运行结果:
//Hello, OpenCV
//
//Running DetectFaceDemo
///E:/eclipse_Jee/workspace/JavaOpenCV246/bin/com/njupt/zhb/test/lbpcascade_frontalface.xml
//Detected 8 faces
//Writing faceDetection.png

---

石拐区18927607801： 如何利用opencv进行样本训练 - ？
大季容他扎： OpenCV训练分类器 一、简介 目标检测方法最初由Paul Viola [Viola01]提出,并由Rainer Lienhart [Lienhart02]对这一方法进行了改善.该方法的基本步骤为: 首先,利用样本(大约几百幅样本图片)的 harr 特征进行分类器训练,得到一个级联...

石拐区18927607801： 如何利用OpenCV自带的级联分类器训练程序训练分类器 - ？
大季容他扎： 利用OpenCV自带的haar training程序训练一个分类器,需要经过以下几个步骤:(1)收集训练样本:训练样本包括正样本和负样本.正样本,通俗点说,就是图片中只有你需要的目标.而负样本的图片只要其中不含有目标就可以了.但需要说...

石拐区18927607801： 训练神经网络时样本数量不足怎么办? - ？
大季容他扎： 训练样本是用来训练学习机的,测试样本是学习机要识别的对象. 比如你想让一台电脑能识别茶杯,首先你要准备一个茶杯(训练样本),然后把茶杯给计算机看(数据输入),并告诉电脑说这样的东东是茶杯(期望输出),电脑看到茶杯后它认为是花盆,但看到你的期望是茶杯,他就不停训练自己这个是茶杯不是花盆,直到电脑他自己认为茶杯是茶杯后结束(这个过程叫学习),然后你把另一只茶杯(测试样本)放在电脑面前,并问他这是什么东东,电脑通过运算后告诉你是茶杯(这个过程叫识别).神经网络的原理是输入层的数据经过多个神经元后的输出值尽量接近给出的期望值,如果输出值与期望值误差大,则反复修改神经元的权,直到输出值与期望值的误差在可接受范围.

石拐区18927607801： 如何使用OpenCV中的AdBoost算法训练分类器 - ？
大季容他扎： 需要的工具 opencv视觉库 vs开发环境 步骤 1. 正负样本的选取 2. 样本描述文件的创建 使用dos命令和opencv中的createSamples程序创建样本描述文件 正样本描述文件的创建 1. 使用命令将当前目录切换到正样本图片的目录 2. 输入dir /b > pos.txt...

石拐区18927607801： bp神经网络训练样本增加很多,但是隐含层节点数还是不变会不会欠拟合,或者过拟合?求大神告知! - ？
大季容他扎： 学习神经网络这段时间,有一个疑问,BP神经网络中训练的次数指的网络的迭代次数,如果有a个样本,每个样本训练次数n,则网络一共迭代an次,在n>>a 情况下 , 网络在不停的调整权值,减小误差,跟样本数似乎关系不大.而且,a大了的...

石拐区18927607801： (vc/c++)bp神经网络训练好后,如何用新数据进行测试? - ？
大季容他扎： BP网的工作原理是我们拿一批训练数据(输入样本和期望输出)训练出一个学习到这些样本特征的神经网络,你可以理解为是具有那些权值的神经网络,然后我们拿新的样本过来,若你需要的是去检测这个神经网络,那么要给的新样本必须没包含在训练样本中,而且也必须有输入和期望输出.已经学习好的神经网络(即已经训练好的网络)你给它新的输入,它运行之后给你的输出,就是你的预测.

石拐区18927607801： 如何用OpenCV训练自己的分类器 - ？
大季容他扎： 最近要做一个性别识别的项目,在人脸检测与五官定位上我采用OPENCV的haartraining进行定位,这里介绍下这两天我学习的如何用opencv训练自己的分类器.在这两天的学习里,我遇到了不少问题,不过我遇到了几个好心的大侠帮我解决了...

石拐区18927607801： 个人感觉神经网络学习样本越多,可以让预测更加准确点! - ？
大季容他扎： 这个没有明确要求,样本也不是越多越好.通常情况下,你的样本可以一部分用来做验证.加速你有100个样本,90%用来做训练,10%用来做验证等,当然,有时候还得留下10%做测试用.我个人的经验是,样本数尽量在10以上吧.

石拐区18927607801： 如何使用opencv 训练分类器以及训练过程中的问题 - ？
大季容他扎： 网上提供的级联分类器训练都是基于opencv_haartraining.照着上面的步骤成功训练出了xml,但是用于识别的过程中,识别率很低.改换几次样本后,检测效果还是一般.想想估计是自haar特征不能很好区分,所以想通过opencv_traincascade...

石拐区18927607801： 如何利用训练好的神经网络进行预测 - ？
大季容他扎： 可以用MATLAB神经网络工具箱,先提取样本,用mapminmax函数归一化,再newff函数建立网络,设置好训练参数后,使用train