cv::ml::ANN_MLP 类参考

人工神经网络 - 多层感知器。更多…

#include <opencv2/ml.hpp>

cv::ml::ANN_MLP 协作图

公共类型
枚举	ActivationFunctions（激活函数） {   IDENTITY（恒等函数） = 0 ,   SIGMOID_SYM（对称S型函数） = 1 ,   GAUSSIAN（高斯函数） = 2 ,   RELU（线性整流函数） = 3 ,   LEAKYRELU（带泄漏的线性整流函数） = 4 }
枚举	TrainFlags（训练标志） {   UPDATE_WEIGHTS（更新权重） = 1 ,   NO_INPUT_SCALE（无输入缩放） = 2 ,   NO_OUTPUT_SCALE（无输出缩放） = 4 }
枚举	TrainingMethods（训练方法） {   BACKPROP（反向传播） =0 ,   RPROP（弹性反向传播） = 1 ,   ANNEAL（模拟退火） = 2 }
继承自 cv::ml::StatModel 的公共类型
枚举	Flags（标志） {   UPDATE_MODEL（更新模型） = 1 ,   RAW_OUTPUT（原始输出） =1 ,   COMPRESSED_INPUT（压缩输入） =2 ,   PREPROCESSED_INPUT（预处理输入） =4 }

公共成员函数
virtual double	getAnnealCoolingRatio () const =0
virtual double	getAnnealFinalT () const =0
virtual double	getAnnealInitialT () const =0
virtual int	getAnnealItePerStep () const =0
virtual double	getBackpropMomentumScale () const =0
virtual double	getBackpropWeightScale () const =0
virtual cv::Mat	getLayerSizes () const =0
virtual double	getRpropDW0 () const =0
virtual double	getRpropDWMax () const =0
virtual double	getRpropDWMin () const =0
virtual double	getRpropDWMinus () const =0
virtual double	getRpropDWPlus () const =0
virtual TermCriteria	getTermCriteria () const =0
virtual int	getTrainMethod () const =0
virtual Mat	getWeights (int layerIdx) const =0
virtual void	setActivationFunction (int type, double param1=0, double param2=0)=0
virtual void	setAnnealCoolingRatio (double val)=0
virtual void	setAnnealEnergyRNG (const RNG &rng)=0
	设置/初始化模拟退火RNG。
virtual void	setAnnealFinalT (double val)=0
virtual void	setAnnealInitialT (double val)=0
virtual void	setAnnealItePerStep (int val)=0
virtual void	setBackpropMomentumScale (double val)=0
virtual void	setBackpropWeightScale (double val)=0
virtual void	setLayerSizes (InputArray _layer_sizes)=0
virtual void	setRpropDW0 (double val)=0
virtual void	setRpropDWMax (double val)=0
virtual void	setRpropDWMin (double val)=0
virtual void	setRpropDWMinus (double val)=0
virtual void	setRpropDWPlus (double val)=0
virtual void	setTermCriteria (TermCriteria val)=0
virtual void	setTrainMethod (int method, double param1=0, double param2=0)=0
继承自 cv::ml::StatModel 的公共成员函数
virtual float	calcError (const Ptr< TrainData > &data, bool test, OutputArray resp) const
	计算训练或测试数据集上的误差。
virtual bool	empty () const CV_OVERRIDE
	如果Algorithm为空（例如，在开始时或读取不成功后），则返回true。
virtual int	getVarCount () const =0
	返回训练样本中变量的数量。
virtual bool	isClassifier () const =0
	如果模型是分类器，则返回true。
virtual bool	isTrained () const =0
	如果模型已训练，则返回true。
virtual float	predict (InputArray samples, OutputArray results=noArray(), int flags=0) const =0
	预测提供的样本的响应。
virtual bool	train (const Ptr< TrainData > &trainData, int flags=0)
	训练统计模型。
virtual bool	train (InputArray samples, int layout, InputArray responses)
	训练统计模型。
继承自 cv::Algorithm 的公共成员函数
	Algorithm（算法） ()
virtual	~Algorithm ()
virtual void	clear ()
	清除算法状态。
virtual String	getDefaultName () const
virtual void	read (const FileNode &fn)
	从文件存储中读取算法参数。
virtual void	save (const String &filename) const
void	write (const Ptr< FileStorage > &fs, const String &name=String()) const
virtual void	write (FileStorage &fs) const
	将算法参数存储到文件存储区。
void	write (FileStorage &fs, const String &name) const

静态公共成员函数
static Ptr< ANN_MLP >	create ()
	创建空模型。
static Ptr< ANN_MLP >	load (const String &filepath)
	从文件中加载并创建一个序列化的ANN。
继承自 cv::ml::StatModel 的静态公共成员函数
template<typename _Tp >
static Ptr< _Tp >	train (const Ptr< TrainData > &data, int flags=0)
	使用默认参数创建并训练模型。
继承自 cv::Algorithm 的静态公共成员函数
template<typename _Tp >
static Ptr< _Tp >	load (const String &filename, const String &objname=String())
	从文件中加载算法。
template<typename _Tp >
static Ptr< _Tp >	loadFromString (const String &strModel, const String &objname=String())
	从字符串加载算法。
template<typename _Tp >
static Ptr< _Tp >	read (const FileNode &fn)
	从文件节点读取算法。

其他继承成员
继承自 cv::Algorithm 的保护成员函数
void	writeFormat (FileStorage &fs) const

详细描述

人工神经网络 - 多层感知器。

与ML中许多其他一次构建和训练的模型不同，在MLP模型中，这些步骤是分开的。首先，使用非默认构造函数或方法ANN_MLP::create创建一个具有指定拓扑结构的网络。所有权重都设置为零。然后，使用一组输入和输出向量训练网络。训练过程可以重复多次，也就是说，可以根据新的训练数据调整权重。

提供了StatModel::train的其他标志：ANN_MLP::TrainFlags。

另请参阅

神经网络

成员枚举文档

ActivationFunctions

enum cv::ml::ANN_MLP::ActivationFunctions

可能的激活函数

枚举器
IDENTITY	恒等函数：\(f(x)=x\)
SIGMOID_SYM	对称 sigmoid：\(f(x)=\beta*(1-e^{-\alpha x})/(1+e^{-\alpha x})\) 注意 如果您使用的是具有默认参数值 fparam1=0 和 fparam2=0 的默认 sigmoid 激活函数，则使用的函数为 y = 1.7159*tanh(2/3 * x)，因此输出范围为 [-1.7159, 1.7159]，而不是 [0,1]。
GAUSSIAN	高斯函数：\(f(x)=\beta e^{-\alpha x*x}\)
RELU	ReLU 函数：\(f(x)=max(0,x)\)
LEAKYRELU	Leaky ReLU 函数：对于 x>0 \(f(x)=x \) 以及 x<=0 \(f(x)=\alpha x \)

TrainFlags

enum cv::ml::ANN_MLP::TrainFlags

训练选项

枚举器
UPDATE_WEIGHTS	更新网络权重，而不是从头开始计算它们。在后一种情况下，权重使用 Nguyen-Widrow 算法初始化。
NO_INPUT_SCALE	不规范化输入向量。如果未设置此标志，则训练算法会独立地规范化每个输入特征，将其平均值移至 0，并将标准偏差设为 1。如果假设网络经常更新，则新的训练数据可能与原始数据大相径庭。在这种情况下，您应该注意正确的规范化。
NO_OUTPUT_SCALE	不规范化输出向量。如果未设置此标志，则训练算法会独立地规范化每个输出特征，将其转换为取决于所用激活函数的特定范围。

TrainingMethods

enum cv::ml::ANN_MLP::TrainingMethods

可用的训练方法

枚举器
BACKPROP	反向传播算法。
RPROP	RPROP 算法。有关详细信息，请参阅 [226]。
ANNEAL	模拟退火算法。有关详细信息，请参阅 [146]。

成员函数文档

create()

static Ptr< ANN_MLP > cv::ml::ANN_MLP::create ( )

static

Python
	cv.ml.ANN_MLP.create(		) ->	返回值
	cv.ml.ANN_MLP_create(		) ->	返回值

创建空模型。

使用 StatModel::train 训练模型，Algorithm::load<ANN_MLP>(filename) 加载预训练模型。注意，train 方法有可选标志：ANN_MLP::TrainFlags。

getAnnealCoolingRatio()

virtual double cv::ml::ANN_MLP::getAnnealCoolingRatio ( ) const

纯虚函数

Python
	cv.ml.ANN_MLP.getAnnealCoolingRatio(		) ->	返回值

模拟退火：更新冷却比率。必须大于 0 且小于 1。默认值为 0.95。

另请参阅

setAnnealCoolingRatio

getAnnealFinalT()

virtual double cv::ml::ANN_MLP::getAnnealFinalT ( ) const

纯虚函数

Python
	cv.ml.ANN_MLP.getAnnealFinalT(		) ->	返回值

模拟退火：更新最终温度。必须 >=0 且小于 initialT。默认值为 0.1。

另请参阅

setAnnealFinalT

getAnnealInitialT()

virtual double cv::ml::ANN_MLP::getAnnealInitialT ( ) const

纯虚函数

Python
	cv.ml.ANN_MLP.getAnnealInitialT(		) ->	返回值

模拟退火：更新初始温度。必须 >=0。默认值为 10。

另请参阅

setAnnealInitialT

getAnnealItePerStep()

virtual int cv::ml::ANN_MLP::getAnnealItePerStep ( ) const

纯虚函数

Python
	cv.ml.ANN_MLP.getAnnealItePerStep(		) ->	返回值

模拟退火：更新每步迭代次数。必须 >0。默认值为 10。

另请参阅

setAnnealItePerStep

getBackpropMomentumScale()

virtual double cv::ml::ANN_MLP::getBackpropMomentumScale ( ) const

纯虚函数

Python
	cv.ml.ANN_MLP.getBackpropMomentumScale(		) ->	返回值

反向传播：动量项的强度（两次迭代之间权重的差异）。此参数提供一定的惯性来平滑权重的随机波动。它可以从 0（禁用此功能）变化到 1 及以上。0.1 左右的值就足够好了。默认值为 0.1。

另请参阅

setBackpropMomentumScale

getBackpropWeightScale()

virtual double cv::ml::ANN_MLP::getBackpropWeightScale ( ) const

纯虚函数

Python
	cv.ml.ANN_MLP.getBackpropWeightScale(		) ->	返回值

反向传播：权重梯度项的强度。推荐值为约 0.1。默认值为 0.1。

另请参阅

setBackpropWeightScale

getLayerSizes()

virtual cv::Mat cv::ml::ANN_MLP::getLayerSizes ( ) const

纯虚函数

Python
	cv.ml.ANN_MLP.getLayerSizes(		) ->	返回值

指定每一层神经元数量的整数向量，包括输入层和输出层。第一个元素指定输入层中的元素数量。最后一个元素 - 输出层中的元素数量。

另请参阅

setLayerSizes

getRpropDW0()

virtual double cv::ml::ANN_MLP::getRpropDW0 ( ) const

纯虚函数

Python
	cv.ml.ANN_MLP.getRpropDW0(		) ->	返回值

RPROP：更新值 \(\Delta_0\) 的初始值 \(\Delta_{ij}\)。默认值为 0.1。

另请参阅

setRpropDW0

getRpropDWMax()

virtual double cv::ml::ANN_MLP::getRpropDWMax ( ) const

纯虚函数

Python
	cv.ml.ANN_MLP.getRpropDWMax(		) ->	返回值

RPROP：更新值上限 \(\Delta_{max}\)。必须 >1。默认值为 50。

另请参阅

setRpropDWMax

getRpropDWMin()

virtual double cv::ml::ANN_MLP::getRpropDWMin ( ) const

纯虚函数

Python
	cv.ml.ANN_MLP.getRpropDWMin(		) ->	返回值

RPROP：更新值下限 \(\Delta_{min}\)。必须为正数。默认值为 FLT_EPSILON。

另请参阅

setRpropDWMin

getRpropDWMinus()

virtual double cv::ml::ANN_MLP::getRpropDWMinus ( ) const

纯虚函数

Python
	cv.ml.ANN_MLP.getRpropDWMinus(		) ->	返回值

RPROP：减少因子 \(\eta^-\)。必须 <1。默认值为 0.5。

另请参阅

setRpropDWMinus

getRpropDWPlus()

virtual double cv::ml::ANN_MLP::getRpropDWPlus ( ) const

纯虚函数

Python
	cv.ml.ANN_MLP.getRpropDWPlus(		) ->	返回值

RPROP：增加因子 \(\eta^+\)。必须 >1。默认值为 1.2。

另请参阅

setRpropDWPlus

getTermCriteria()

virtual TermCriteria cv::ml::ANN_MLP::getTermCriteria ( ) const

纯虚函数

Python
	cv.ml.ANN_MLP.getTermCriteria(		) ->	返回值

训练算法的终止条件。您可以指定最大迭代次数 (maxCount) 和/或迭代之间误差变化量（epsilon）来使算法继续。默认值为 TermCriteria(TermCriteria::MAX_ITER + TermCriteria::EPS, 1000, 0.01)。

另请参阅

setTermCriteria

getTrainMethod()

virtual int cv::ml::ANN_MLP::getTrainMethod ( ) const

纯虚函数

Python
	cv.ml.ANN_MLP.getTrainMethod(		) ->	返回值

返回当前训练方法

getWeights()

virtual Mat cv::ml::ANN_MLP::getWeights ( int layerIdx ) const

纯虚函数

Python
	cv.ml.ANN_MLP.getWeights(	layerIdx	) ->	返回值

load()

static Ptr< ANN_MLP > cv::ml::ANN_MLP::load ( const String & filepath )

static

Python
	cv.ml.ANN_MLP.load(	filepath	) ->	返回值
	cv.ml.ANN_MLP_load(	filepath	) ->	返回值

从文件中加载并创建一个序列化的ANN。

使用 ANN::save 将 ANN 序列化并存储到磁盘。通过使用文件的路径调用此函数，再次从该文件加载 ANN。

参数

filepath

序列化 ANN 的路径

setActivationFunction()

virtual void cv::ml::ANN_MLP::setActivationFunction ( int 类型, double param1 = 0, double param2 = 0 )

纯虚函数

Python
	cv.ml.ANN_MLP.setActivationFunction(	type[, param1[, param2]]	) ->	无

为每个神经元初始化激活函数。目前，默认的也是唯一完全支持的激活函数是 ANN_MLP::SIGMOID_SYM。

参数

类型	激活函数的类型。参见 ANN_MLP::ActivationFunctions。
param1	激活函数的第一个参数，\(\alpha\)。默认值为 0。
param2	激活函数的第二个参数，\(\beta\)。默认值为 0。

setAnnealCoolingRatio()

virtual void cv::ml::ANN_MLP::setAnnealCoolingRatio ( double val )

纯虚函数

Python
	cv.ml.ANN_MLP.setAnnealCoolingRatio(	val	) ->	无

另请参阅

getAnnealCoolingRatio

setAnnealEnergyRNG()

virtual void cv::ml::ANN_MLP::setAnnealEnergyRNG ( const RNG & rng )

纯虚函数

设置/初始化模拟退火RNG。

setAnnealFinalT()

virtual void cv::ml::ANN_MLP::setAnnealFinalT ( double val )

纯虚函数

Python
	cv.ml.ANN_MLP.setAnnealFinalT(	val	) ->	无

另请参阅

getAnnealFinalT

setAnnealInitialT()

virtual void cv::ml::ANN_MLP::setAnnealInitialT ( double val )

纯虚函数

Python
	cv.ml.ANN_MLP.setAnnealInitialT(	val	) ->	无

另请参阅

getAnnealInitialT

setAnnealItePerStep()

virtual void cv::ml::ANN_MLP::setAnnealItePerStep ( int val )

纯虚函数

Python
	cv.ml.ANN_MLP.setAnnealItePerStep(	val	) ->	无

另请参阅

getAnnealItePerStep

setBackpropMomentumScale()

virtual void cv::ml::ANN_MLP::setBackpropMomentumScale ( double val )

纯虚函数

Python
	cv.ml.ANN_MLP.setBackpropMomentumScale(	val	) ->	无

另请参阅

getBackpropMomentumScale

setBackpropWeightScale()

virtual void cv::ml::ANN_MLP::setBackpropWeightScale ( double val )

纯虚函数

Python
	cv.ml.ANN_MLP.setBackpropWeightScale(	val	) ->	无

另请参阅

getBackpropWeightScale

setLayerSizes()

virtual void cv::ml::ANN_MLP::setLayerSizes ( 输入数组 (InputArray) _layer_sizes )

纯虚函数

Python
	cv.ml.ANN_MLP.setLayerSizes(	_layer_sizes	) ->	无

指定每一层神经元数量的整数向量，包括输入层和输出层。第一个元素指定输入层元素数量，最后一个元素指定输出层元素数量。默认值为空 Mat。

另请参阅

getLayerSizes

setRpropDW0()

virtual void cv::ml::ANN_MLP::setRpropDW0 ( double val )

纯虚函数

Python
	cv.ml.ANN_MLP.setRpropDW0(	val	) ->	无

另请参阅

getRpropDW0

setRpropDWMax()

virtual void cv::ml::ANN_MLP::setRpropDWMax ( double val )

纯虚函数

Python
	cv.ml.ANN_MLP.setRpropDWMax(	val	) ->	无

另请参阅

getRpropDWMax

setRpropDWMin()

virtual void cv::ml::ANN_MLP::setRpropDWMin ( double val )

纯虚函数

Python
	cv.ml.ANN_MLP.setRpropDWMin(	val	) ->	无

另请参阅

getRpropDWMin

setRpropDWMinus()

virtual void cv::ml::ANN_MLP::setRpropDWMinus ( double val )

纯虚函数

Python
	cv.ml.ANN_MLP.setRpropDWMinus(	val	) ->	无

另请参阅

getRpropDWMinus

setRpropDWPlus()

virtual void cv::ml::ANN_MLP::setRpropDWPlus ( double val )

纯虚函数

Python
	cv.ml.ANN_MLP.setRpropDWPlus(	val	) ->	无

另请参阅

getRpropDWPlus

setTermCriteria()

virtual void cv::ml::ANN_MLP::setTermCriteria ( 终止条件 (TermCriteria) val )

纯虚函数

Python
	cv.ml.ANN_MLP.setTermCriteria(	val	) ->	无

另请参阅

getTermCriteria

setTrainMethod()

virtual void cv::ml::ANN_MLP::setTrainMethod ( int 方法 (method), double param1 = 0, double param2 = 0 )

纯虚函数

Python
	cv.ml.ANN_MLP.setTrainMethod(	method[, param1[, param2]]	) ->	无

设置训练方法和常用参数。

参数

方法 (method)	默认值为 ANN_MLP::RPROP。参见 ANN_MLP::TrainingMethods。
param1	传递给 ANN_MLP::RPROP 的 setRpropDW0，传递给 ANN_MLP::BACKPROP 的 setBackpropWeightScale，以及传递给 ANN_MLP::ANNEAL 的 initialT。
param2	传递给 ANN_MLP::RPROP 的 setRpropDWMin，传递给 ANN_MLP::BACKPROP 的 setBackpropMomentumScale，以及传递给 ANN_MLP::ANNEAL 的 finalT。

---

此类的文档由以下文件生成：

• opencv2/ml.hpp