Matlab实现图像识别（七）

分完数据，我们要实现BP神经网络的运算和测试。

既然BP神经网络已经设计好了，那么现在制作测试代码，一共选择50个物体，每个物体随机挑选20张图片，总共测试1000次，看其正确率。

% 测试代码
path = 'test_set';
namelist = dir(path);
res = 0;
for i = 1:50 % 挑出50个物体
    k = rand(101); % 随机选择一个物体
    if namelist(k).name == '.',continue,end
    label = zeros(101, 1); % 作为标签
    label(k,1) = 1;
    name = namelist(k).name;
    imglist = dir(strcat(path,'\',name));
    len = length(imglist);
    for j = 1:20 % 挑选10个图像
        t = rand(len); % 随机选择一个图像
        if imglist(t).name == '.',continue,end
        img = imread(strcat(path,'\',name,'\',imglist(t).name));
        input = img_preprocess(img);       % 预处理
        hide = sigmoid_mat(hide_inactive); % 输出到隐藏层
        output = sigmoid(output_inactive); % 输出到输出层
        [val, index] = max(output);        % 获取最大值的索引
        if index == k
            res = res+1;
        end
    end
end
res/1000

至此，基本框架搭好了，下面，就集中注意力在图像预处理，卷积池化，和深度学习了。