解析C++版OpenCV里的機器學(xué)習(xí)
使用openCV的Knn
定義
在人工智能中，更確切地說在機器學(xué)習(xí)中，k最近鄰方法是一種有監(jiān)督的學(xué)習(xí)方法。在這個框架中，我們有一個由N個“輸入－輸出”對組成的訓(xùn)練數(shù)據(jù)庫。為了估計與新輸入x 相關(guān)聯(lián)的輸出，k最近鄰方法包括根據(jù)要定義的距離（以相同的方式）考慮k個訓(xùn)練樣本，其輸入最接近新輸入x。由于此算法基于距離，因此歸一化可以提高其準(zhǔn)確性。
方法
因此，要使用KNN方法進行分類，我們必須首先聲明訓(xùn)練樣本，或者可以說輸入數(shù)據(jù)。
在聲明了0和1矩陣之后，我們必須使用函數(shù)“RNG”將它們填充為隨機值。
現(xiàn)在我們需要將兩個類連接起來，以便進行學(xué)習(xí)。
訓(xùn)練
要進行訓(xùn)練，你必須首先使用以下代碼行創(chuàng)建模型：
現(xiàn)在，我們將進行遍歷整個圖像的循環(huán)（我們選擇的平面為500x500像素，以繪制不同類別的區(qū)域，當(dāng)然也將點放置在它們的位置），然后學(xué)習(xí)模型的輸出對于第一類將為0，對于第二類將為1。通過查找（或者可以說通過計算距離），我們用定義該像素屬于此類的顏色填充圖像的每個像素，這樣就可以使邊框可視化。因此，要進行訓(xùn)練，你必須首先使用以下代碼行創(chuàng)建模型：
因此，你可以看到我們具有find＿nearest函數(shù)，該函數(shù)計算入口點與其他點之間的距離以查找鄰居，然后該函數(shù)為第一個類返回0或為第二個返回1。最后，我們使用了條件塊if，為每個類賦予特定的顏色。因此，通過執(zhí)行這些步驟，我們進行了學(xué)習(xí)，找到了兩個類，并且我們當(dāng)然劃定了邊界，如圖：
現(xiàn)在，如果我們想展示用于學(xué)習(xí)的樣本，我們只需要把每個要點放在適當(dāng)?shù)奈恢眉纯�，這樣我們就可以了解學(xué)習(xí)是否做得很好。
這是樣本表示后的輸出圖像：
可以看出，這兩個類的界限是明確的，有一些點沒有很好地分類，但總的來說，學(xué)習(xí)效果不錯。
分享
請輸入評論內(nèi)容...
請輸入評論/評論長度6~500個字
最新活動更多
推薦專題
- 1 AI 眼鏡讓百萬 APP「集體失業(yè)」？
- 2 大廠紛紛入局，百度、阿里、字節(jié)搶奪Agent話語權(quán)
- 3 深度報告｜中國AI產(chǎn)業(yè)正在崛起成全球力量，市場潛力和關(guān)鍵挑戰(zhàn)有哪些？
- 4 一文看懂視覺語言動作模型（VLA）及其應(yīng)用
- 5 上海跑出80億超級獨角獸：獲上市公司戰(zhàn)投，干人形機器人
- 6 國家數(shù)據(jù)局局長劉烈宏調(diào)研格創(chuàng)東智
- 7 下一代入口之戰(zhàn)：大廠為何紛紛押注智能體？
- 8 百億AI芯片訂單，瘋狂傾銷中東？
- 9 Robotaxi新消息密集釋放，量產(chǎn)元年誰在領(lǐng)跑？
- 10 格斗大賽出圈！人形機器人致命短板曝光：頭腦過于簡單
