用 CvANN_MLP(OpenCV 的神经网络-多层感知器) 进行路牌判别
原载于 用 CvANN_MLP 进行路牌判别。
这原是智能计算课程大作业。
(有时候我真的不知道怎么措辞,应该用“分类识别”,还是“判别”,还是“断别”?不在意这些细节。我说的是区分一张图片是不是路牌,就这么简单。)
使用 ANN-MLP(神经网络--多层感知器)方法。利用 Qt4、OpenCV2 程序库,进行路牌的抠取、分类和识别。开源在 GitHub:district10/SignProcessing: 路牌提取、分类,包括源码、文档、测试数据和可执行文件。其中的qt4cv3vs2015分支将 OpenCV 更新到了 OpenCV3,重新梳理、整合了各个模块。
快速入门
文档贴在这里,原载 Issues · district10/SignProcessing。
下载二进制
DLL 依赖
Qt 和 OpenCV 的 dll,以及 VS2015 的 runtime,点此下载 (11.2 MB),和下面的二进制执行档放到一起即可。
二进制执行档
Release 2, 2016-07-31, 962 KB
Release 1, 2016-07-30, 478 KB
如何用已训练模型来测试图片是否是路牌
SignProcessorDemo.exe
这个 exe 有三个功能,主要是用已经训练好的模型来预测(predict)。
功能 1,判别单张图片
加载一个图片,如果判定是一个路牌,用淡蓝色显示“Sign (pos)”:
如果不是一个路牌,用红色显示“Not Sign (neg)”:
功能 2,判别文件夹下所有图片
批量判断。选择一个文件夹(这里是 dir_of_images)。
判断结果输出在文本框内,包括图片数目、每张图片的路径以及判别结果:
To Predict 38 images. processing D:/tzx/git/SignProcessing/data/input/dir_of_images/0002-team7 (109)-shift-sx-36-sy-16.bmp... done. assigned to [pos] ... processing D:/tzx/git/SignProcessing/data/input/dir_of_images/dir2/dir22/0001-team7 (108)-rand-cx0623-cy0398-r135.bmp... done. assigned to [neg]
所选文件夹同一目录下还会出现两个目录 pos 和 neg,分别把判别后的图片拷贝到里里面:
功能 3,判别选择的多张图片
判别为路牌的,标记“Pos”,不是路牌的,标记“Neg”。
默认用了
data/output/4.xml
来预测,你也可以点击【Load Another XML】加载别的已训练模型。
1)双击运行 SignClassifierDemo.exe
2)加载模型
点击【Load Trained】选择 XML 文件(在 data/output 文件夹)。
我这里选择了 4.xml。
3)选择想要测试的图片
点击【Unknown】,选择一些图片(在 data/input/tests 文件夹)。
如下图,
还没有预测的图片下面有“???”标记,它表示还未测试。
然后点击【Predict】。
有的标记变成了“Pos”(是路牌),有得标记变成了“Neg”(不是路牌),
如下图:
如何从数据训练模型
1)双击运行 SignClassifierDemo.exe
2)添加正负样本
点击【Pos】,选择一些正样本。(可用 Control+A 全选)
同理,点击【Neg】,选择一些负样本。(加载可能有点慢)
3)训练
点击【Train】,训练开始。训练完成后,会提示已经训练的量。
记得点击【Save Trained】保存训练参数,下次就可以直接用【Load Trained】加载它了。
试试加载一些 Unknown,测试一下它的判断是否正确。
就是这样。
从源码编译
安装 VS2015 社区版
配置 Qt4 和 OpenCV3
下载源码:【qt4cv3vs2015 分支源码压缩包】
具体见 代码编译 · Issue # 3 · district10/SignProcessing。
更进一步
可以看到,看到程序能基本准确地分辨哪些是路牌,哪些不是。现在我从数据采集、处理,程序编写来把整个流程说一遍。
源数据的处理
源数据是我们在武汉街头拍摄的路牌图片。大概像这样:
因为源图片里面有车牌之类的没有打码(哪有这空啊……),就不分享了。
从源图片中提取正负样本,用的是我们组写的 Sign Cutter(路牌切割)程序(源码),
利用它可以很快速地导入源影像,并进行切片处理。【保存切片】操作会把框选区域保存成一个切片图,作为我们人工选取的正样本。同时,正样本需要转化到 24 × 24 的 RGB 图像,为保证图片不失真,还要将之存储为 BMP 格式。
正样本为人工选取的路牌
因为正样本的数量有限,需要通过平移、旋转、镜像(镜像后再平移旋转)等方式从一张正样本产生多张类似正样本。在 SignCutter 中通过点击【生成正样本】实现。
![posnegclick]
负样本则是从图中非正样本区域,随机选取中心点和旋转角度,选取而来。正负样本选取比例我们设置为 1:7。通过点击【生成负样本】来快速地生成一系列负样本。结果就是,一张源图片,一个人工框选区域,生成了 87 张正样本,602 张负样本。最终我们生成了 8 组共 25,230 张正样本,69,894 张负样本,用于训练和检测。
你可以下载 图片索引,每一行代表一个样本,后面的 1 表示“是路牌”,0 表示“不是路牌”,大概长这样:
1/pos/0001-team7 (1)-___.bmp, 11/pos/0001-team7 (1)-___-r000.bmp, 11/pos/0001-team7 (1)-___-r030.bmp, 1...8/neg/0025-team7 (292)-rand-cx0469-cy2820-r108.bmp, 08/neg/0025-team7 (292)-rand-cx0471-cy2508-r232.bmp, 08/neg/0025-team7 (292)-rand-cx0473-cy2701-r358.bmp, 0
图片数据在这里下载:
1.7z 8.9M
2.7z 10M
3.7z 13M
4.7z 24M
5.7z 13M
6.7z 10M
7.7z 8.5M
8.7z 3.1M
正样本 87 张 & 负样本 602 张
为了保证得到的正样本足够好,我们不是在切片上进行这些操作,而是在源影像上,这就避免了旋转平移后图片中存在空白。这通过一个 SignLogger 模块实现(源码),它记录了切片的源图片、归一化了的中心点、归一化了的宽度和高度。
通过点击【查看切片记录】查看切片信息
这就是刚才那张路牌切片的 log 信息
整个正样本和负样本如图,红框内为切片区域,绿色矩形为正样本框(较密集),蓝色为负样本框(分散在源影像中非正样本区域)。
![signcutdemo]
从文件名也能看出每个切片的信息,这里是正负样本文件名的 Sample^[完整版可以在 http://gnat.qiniudn.com/sc/in... 下载。]
原图片 team7 (148).jpg 产生的正负样本
.
├── pos (正样本 87 张)
│ ├── 0041-team7 (148)-.bmp 原切片
│ ├── 0041-team7 (148)--r030.bmp 原切片旋转 30 度
│ ├──..............................
│ ├── 0041-team7 (148)-___-r330.bmp
│ ├── 0041-team7 (148)-L-R.bmp 左右镜像
│ ├── 0041-team7 (148)-L-R-r030.bmp 左右镜像后,旋转 30 度
│ ├── 0041-team7 (148)-L-R-r060.bmp
│ ├── 0041-team7 (148)-L-R-r090.bmp
│ ├── .............................
│ ├── 0041-team7 (148)-L-R-r330.bmp
│ ├── 0041-team7 (148)-shift-sx000-sy003.bmp 平移左右 0%,上下 3%
│ ├── .............................
│ ├── 0041-team7 (148)-shift-sx-10-sy-10.bmp
│ ├── 0041-team7 (148)-U-D.bmp 上下镜像
│ ├── .............................
│ └── 0041-team7 (148)-U-D-r330.bmp
├── neg (负样本 602 张)
│ ├── 0041-team7 (148)-rand-cx0057-cy1450-r305.bmp 随机中心点、旋转角度
│ ├── ............................................
│ └── 0041-team7 (148)-rand-cx2393-cy2979-r299.bmp
└── team7 (148)-demo.jpg (展示了正负样本切片位置)
2 directories, 696 files
有了正负样本,就看用 OpenCV 提供的 ANN_MLP 进行基于神经网络方法的学习。这部分知识附在本文末尾。
从编码的角度,利用神经网络多层感知器分类的实际比图片预处理、正负样本的生成要简单,代码量也少很多。所以我从代码大概说一下使用方法。
首先,引入 OpenCV3 相关头文件:
include
include
我封装了一个 MLP 类,提供简单的训练接口(源码)。这里是精简了的类声明:
class MLP
{
public:
MLP(); // 构造函数,mlp 的初始化
~MLP() { }
void loadXML( const QString &xml ); // 加载已经训练好的模型void saveXML( const QString &xml ); // 保存训练好的模型void loadCSV( const QString &csv ); // 加载正负样本用于训练void train(); // 训练// 最后,对图片进行判别:是否为路牌// 输入为一串图片路径// 输出为图片路径和一个标志,true 说明图片为路牌,false 说明不是QList > predictImages( const QStringList &images );
private:
cv::Ptr mlp; // 存储了参数
};
其中在构造函数中,要实例化 mlp,还要对它进行配置:
mlp = cv::ml::ANNMLP::create();
// 层数和每层 neuron 个数是“精选”出来的
mlp->setLayerSizes( (cv::Mat)(cv::Mat(1,5)
setActivationFunction( cv::ml::ANN_MLP::SIGMOID_SYM, 1.0, 1.0 );
// 训练方法为反向传播
mlp->setTrainMethod( cv::ml::ANN_MLP::BACKPROP, 0.1, 0.1 );
mlp->setTermCriteria( cv::TermCriteria(
cv::TermCriteria::COUNT + cv::TermCriteria::EPS
, 5000
, 0.01 ) );
激活函数和反向传播的说明见本文末尾附录。反向传播一个比较好的文档见我的笔记:Principles of training multi-layer neural network using backpropagation。
Layer 的层数和每层的 neuron 数目对训练结果有较大影响,这是我之前测试后画的 Excel 表格:^[顺便学习了 Excel 的 minimap 的用法哈哈。]
设置好了,就可以用已经准备好的正负样本训练它。我们先不考虑的是如何从 24 × 24 的 RGB 图片,生成 feature 向量(也就是这里的 Utils::img2feature 函数的实现细节)。
// pos 和 neg 是图片路径列表,分别是正负样本集合
int np = pos.length();
int nn = neg.length();
// 生成数据集,这里的 features 和 flags 就是机器学习里
// 常说的 data 和 label
float features = new float[FEATURENUM(np + nn)];
float *flags = new float[np + nn];
// 用图片初始化 features,并设置好 labels
for ( int i = 0; i trainSet // mat 的每一行代表一条数据
= cv::ml::TrainData::create( featureMat, cv::ml::ROW_SAMPLE, flagMat );
// 然后就可以训练了
mlp->train( trainSet );
// 不要忘了释放内存
delete[] features;
delete[] flags;
现在就能测试,
float feature[FEATURENUM];
Utils::img2feature( "path/to/image", feature );
cv::Mat featureMat ( 1, FEATURENUM, CV_32F, feature );
cv::Mat result ( 1, 1, CV_32FC1 );
mlp->predict( featureMat, result );
float p = result.ptr(0);
这个 p 大于 0,则图片被判定为路牌,否则不是路牌。
我们还可以将训练好的模型保存起来,方便下载加载:
// 保存
mlp->save( "path/to/save/model(xml file)" );
// 加载
mlp = cv::Algorithm::load( "path/to/saved-model.xml" );
我训练了几组数据,得到的 xml 文件见 data/output 文件夹。大概长这样。
最后我们看看那个 Utils::img2feature 函数的实现(这里加上了额外的注释,做了额外的对齐):
// feature 已经分配好内存了,内存大小是 sizeof(float)FEATURENUM
// FEATURENUM 是一个宏,定义为
// # define FEATURENUM ( 24(3+3)+ 3 + 4*3 )
// 看了后面的数据处理你大概能懂这些数字每个代表什么
bool Utils::img2feature( const char filePath, float feature )
{
Mat img = imread( filePath, cv::IMREAD_COLOR );
if ( img.rows != IMGSIZE || img.cols != IMGSIZE ) {
qDebug() (i,j)[0];
int g = img.at(i,j)[1];
int r = img.at(i,j)[2];
allCountR += r; rowCountR[i] += r; colCountR[j] += r; allCountG += g; rowCountG[i] += g; colCountG[j] += g; allCountB += b; rowCountB[i] += b; colCountB[j] += b; /* * 分成四个部分,统计各自区域内的 rgb 比例,四个区域低编号为: * * 0 | 1 * --+-- * 2 | 3 */ int index = 2 * (i
c++
版权声明
本文来自互联网用户投稿,文章观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处。如若内容有涉嫌抄袭侵权/违法违规/事实不符,请点击 举报 进行投诉反馈!