opencv c++教程，C++从零实现简单深度神经网络（基于OpenCV）

2023-09-26 阅读 29 评论 0

摘要：代码地址如下：http://www.demodashi.com/demo/11138.html 一、准备工作 ####需要准备什么环境需要安装有Visual Studio并且配置了OpenCV。能够使用OpenCV的core模块。使用者需要有基本的C++编程基础。#### 本例子实现什么功能本例实现了简单的深度神经网络

代码地址如下：
http://www.demodashi.com/demo/11138.html

一、准备工作

####需要准备什么环境
需要安装有Visual Studio并且配置了OpenCV。能够使用OpenCV的core模块。
使用者需要有基本的C++编程基础。
#### 本例子实现什么功能
本例实现了简单的深度神经网络，基于OpenCV的矩阵类Mat。程序实现了BP算法，支持创建和训练多层神经网络，支持loss可视化。支持模型的保存和加载。

二、示例代码

新建和初始化一个神经网络的过程非常简单，像下面这样：

    //Set neuron number of every layervector<int> layer_neuron_num = { 784,100,10 };// Initialise Net and weightsNet net;net.initNet(layer_neuron_num);net.initWeights(0, 0., 0.01);net.initBias(Scalar(0.5));

训练神经网络也很容易，下面是一个例子。训练完之后可以保存模型

#include"../include/Net.h"
//<opencv2\opencv.hpp>using namespace std;
using namespace cv;
using namespace liu;int main(int argc, char *argv[])
{//Set neuron number of every layervector<int> layer_neuron_num = { 784,100,10 };// Initialise Net and weightsNet net;net.initNet(layer_neuron_num);net.initWeights(0, 0., 0.01);net.initBias(Scalar(0.5));//Get test samples and test samples Mat input, label, test_input, test_label;int sample_number = 800;get_input_label("data/input_label_1000.xml", input, label, sample_number);get_input_label("data/input_label_1000.xml", test_input, test_label, 200, 800);//Set loss threshold,learning rate and activation functionfloat loss_threshold = 0.5;net.learning_rate = 0.3;net.output_interval = 2;net.activation_function = "sigmoid";//Train,and draw the loss curve(cause the last parameter is ture) and test the trained netnet.train(input, label, loss_threshold, true);net.test(test_input, test_label);//Save the modelnet.save("models/model_sigmoid_800_200.xml");getchar();return 0;
}

加载训练过的模型然后直接使用就更加方便了。

#include"../include/Net.h"
//<opencv2\opencv.hpp>using namespace std;
using namespace cv;
using namespace liu;int main(int argc, char *argv[])
{//Get test samples and the label is 0--1Mat test_input, test_label;int sample_number = 200;int start_position = 800;get_input_label("data/input_label_1000.xml", test_input, test_label, sample_number, start_position);//Load the trained net and test.Net net;net.load("models/model_sigmoid_800_200.xml");net.test(test_input, test_label);getchar();return 0;
}