OpenCV Hog+SVM 学习

本文介绍了使用VS2010和OpenCV 2.4.3进行手写数字识别的过程,通过HOG+SVM算法训练了包含10K张图片的分类器,生成的XML文件为HOG_SVM_DATA.xml。训练过程大约耗时5分钟,正确率取决于样本数量。后续博客将分享批处理命令的相关内容。
摘要由CSDN通过智能技术生成

使用工具 :VS2010 + OpenCV 2.4.3

手写数字库:http://code.google.com/p/supplement-of-the-mnist-database-of-handwritten-digits/downloads/list

Hog +SVM 训练10K个图片数据得到分类器:HOG_SVM_DATA.xml   整个过程大概需要5分钟左右,看个人电脑配置,若想提高正确率增大训练样本!

有关批处理的命令见下一篇博客,大家共同学习!

#include "stdafx.h"
#include "opencv2/opencv.hpp"
#include "windows.h"
#include "fstream"
using namespace std;
using namespace cv;
int _tmain(int argc, _TCHAR* argv[])
{
    vector<string> img_path;//输入文件名变量   
    vector<int> img_catg;    
    int nLine = 0;    
    string buf;    
    ifstream svm_data( "D:/nums/hb.txt" );//训练样本图片的路径都写在这个txt文件中,使用bat批处理文件可以得到这个txt文件     
    unsigned long n;     
    while( svm_data )//将训练样本文件依次读取进来    
    {    
        if( getline( svm_data, buf ) )    
        {    
            nLine ++;    
            if( nLine % 2 == 0 )//注:奇数行是图片全路径,偶数行是标签 
            {    
                 img_catg.push_back( atoi( buf.c_str() ) );//atoi将字符串转换成整型,标志(0,1,2,...,9),注意这里至少要有两个类别,否则会出错    
            }    
            else    
            {    
                img_path.push_back( buf );//图像路径    
            }    
        }    
    }    
    svm_data.close();//关闭文件    
    CvMat *data_mat, *res_mat;    
    int nImgNum = nLine / 2; //nImgNum是样本数量,只有文本行数的一半,另一半是标签     
    data_mat = cvCreateMat( nImgNum, 324, CV_32FC1 
评论 32
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值