关闭

OpenCV机器学习概观、资源、实现

4014人阅读 评论(2) 收藏 举报
分类:

作为当前最热门的图像处理+计算机视觉C++开源程序库之一,OpenCV的功能自然越来越强大,由于一系列核心算法需要机器学习方法的介入,OpenCV即使的包含了一些常用的机器学习方法实现。

对OpenCV的机器学习相关实现,概括如下:

(1).朴素贝叶斯分类器,实现类:CvNormalBayesClassifier

(2).K近邻分类器,实现类:CvKNearest

(3).支持向量机分类器,实现类:CvSVM

(4).期望最大化EM分类器,实现类:EM

(4).决策树分类器,实现类:CvDTree

(5).随机森林分类器,实现类:CvRTrees。另有Extremely randomized trees Classifier,不知道是怎么Extremely randomized的。

(6).boost分类器:实现类:CvBoost+CvBoost

(7).梯度boost分类器,实现类:CvGBTrees。

(8).人工神经网络分类器,实现类:CvANN_MLP

需要说明的是,以上介绍的只是算法,所谓巧妇难为无米之炊,你在会做饭(有好算法),但是没米也不行,CvMLData类则实现了对数据的整理和清洗,洗干净等她做饭。

以下是用dot生成的机器学习类继承图:



为了方便查阅OpenCV代码,特地使用doxygen生成了core和ml模块的代码文档,文件格式为.chm。已经上传到本人的csdn资源页面。共3个压缩分卷文件.

======================

未完待续。。

1
0

查看评论
* 以上用户言论只代表其个人观点,不代表CSDN网站的观点或立场
    个人资料
    • 访问:468716次
    • 积分:4823
    • 等级:
    • 排名:第7253名
    • 原创:29篇
    • 转载:139篇
    • 译文:1篇
    • 评论:59条
    保存为PDF
    最新评论