OpenCV letter_recog - eiichiromomma/CVMLAB GitHub Wiki
(OpenCV) letter_recog
サンプルのletter_recog.cppについて
- Random Trees classifier, Boosting classifier および MLP の学習、テストのやり方の例
- ↓で入手する文字の特徴量(16個が1セット)は20000件あり、その答は文字で与えられている
- 頭から16000個(Boostingは10000個)を学習に使い、残りの4000個(Boostingは10000個)を分類のテストに使う
- デフォルトはRandom Trees classifierが使われ、起動時に-boostまたは-mlpオプションで切り替える
- 分類器の状態は保存可能で、学習したデータを後で呼出せる
UCI Machine Learning Repository: Letter Recognition Data Set のData Folderからletter-recognition.dataを入手して、実行形式ファイルが出力されるフォルダに置く。
T,2,8,3,5,1,8,13,0,6,6,10,8,0,8,0,8
I,5,12,3,7,2,10,5,5,4,13,3,9,2,8,4,10
D,4,11,6,8,6,10,6,2,6,10,3,7,3,7,3,9
N,7,11,6,6,3,5,9,4,6,4,4,10,6,10,2,8
G,2,1,3,1,1,8,6,6,6,6,5,9,1,7,5,10
S,4,11,5,8,3,8,8,6,9,5,6,6,0,8,9,7
B,4,2,5,4,4,8,7,6,6,7,6,6,2,8,7,10
のような並びになっている。行頭から
- AからZまでの大文字(従ってクラスは26通りになる)
- x-box horizontal position of box (integer)
- y-box vertical position of box (integer)
- width width of box (integer)
- high height of box (integer)
- onpix total # on pixels (integer)
- x-bar mean x of on pixels in box (integer)
- y-bar mean y of on pixels in box (integer)
- x2bar mean x variance (integer)
- y2bar mean y variance (integer)
- xybar mean x y correlation (integer)
- x2ybr mean of x * x * y (integer)
- xy2br mean of x * y * y (integer)
- x-ege mean edge count left to right (integer)
- xegvy correlation of x-ege with y (integer)
- y-ege mean edge count bottom to top (integer)
- yegvx correlation of y-ege with x (integer)
2-17が特徴量。訳は略。
int main( int argc, char *argv[] )
{
char* filename_to_save = 0;
char* filename_to_load = 0;
char default_data_filename[] = "./letter-recognition.data";
char* data_filename = default_data_filename;
int method = 0;
int i;
//起動時のオプションの処理
for( i = 1; i < argc; i++ )
{
//-data ファイル名 でデータファイルを指定。通常は不要
if( strcmp(argv[i],"-data") == 0 ) // flag "-data letter_recognition.xml" ←letter_recognition.dataの間違い
{
i++;
data_filename = argv[i];
}
//-save ファイル名 で分類器の状態をxmlで保存
else if( strcmp(argv[i],"-save") == 0 ) // flag "-save filename.xml"
{
i++;
filename_to_save = argv[i];
}
//-load ファイル名 saveオプションで保存した分類器の呼出し
else if( strcmp(argv[i],"-load") == 0) // flag "-load filename.xml"
{
i++;
filename_to_load = argv[i];
}
//Boosting
else if( strcmp(argv[i],"-boost") == 0)
{
method = 1;
}
//MLP
else if( strcmp(argv[i],"-mlp") == 0 )
{
method = 2;
}
else
break;
}
if( i < argc ||
//各手法での学習
(method == 0 ?
build_rtrees_classifier( data_filename, filename_to_save, filename_to_load ) :
method == 1 ?
build_boost_classifier( data_filename, filename_to_save, filename_to_load ) :
method == 2 ?
build_mlp_classifier( data_filename, filename_to_save, filename_to_load ) :
-1) < 0)
{
printf("This is letter recognition sample.\n"
"The usage: letter_recog [-data <path to letter-recognition.data>] \\\n"
" [-save <output XML file for the classifier>] \\\n"
" [-load <XML file with the pre-trained classifier>] \\\n"
" [-boost|-mlp] # to use boost/mlp classifier instead of default Random Trees\n" );
}
return 0;
}
filename(letter-recognition.data)からデータ数個の1次元CvMatのresponses(正解)とvar_count個の特徴量xデータ数の2次元CvMatのdataを作成する。
やっていることはcsvファイルの先頭をresponsesに、それ以降のvar_count個をdataに詰め込むだけなのだが、malloc等を使わずにOpenCVのAPIだけを使って仕上げているので参考になる。
static
int build_rtrees_classifier( char* data_filename,
char* filename_to_save, char* filename_to_load )
{
CvMat* data = 0;
CvMat* responses = 0;
CvMat* var_type = 0;
CvMat* sample_idx = 0;
int ok = read_num_class_data( data_filename, 16, &data, &responses );
int nsamples_all = 0, ntrain_samples = 0;
int i = 0;
double train_hr = 0, test_hr = 0;
CvRTrees forest; //Random Treesのクラス
CvMat* var_importance = 0;
if( !ok )
{
printf( "Could not read the database %s\n", data_filename );
return -1;
}
printf( "The database %s is loaded.\n", data_filename );
//サンプル数はCvMatのrows(行数)から取得
nsamples_all = data->rows;
//全体の8割を学習に使用
ntrain_samples = (int)(nsamples_all*0.8);
// Create or load Random Trees classifier
if( filename_to_load ) //-loadで分類器の状態のファイルが指定された場合
{
// load classifier from the specified file
forest.load( filename_to_load ); //状態のロード。OpenCVの機械学習での共通のメソッド
ntrain_samples = 0;
if( forest.get_tree_count() == 0 ) //Random Treesのものでないとtree_countが0になるらしい
{
printf( "Could not read the classifier %s\n", filename_to_load );
return -1;
}
printf( "The classifier %s is loaded.\n", data_filename );
}
else
{//新たに作成する場合
// create classifier by using <data> and <responses>
printf( "Training the classifier ...");
// 1. create type mask
//dataおよびresponsesの形式の指定
//特徴量の数(CvMatのcols(列数から取得)+1(出力でもあるresponsesの分)の形式を指定する
//CV_VAR_NUMERICAL:数値
//CV_VAR_ORDERD:連続量
//CV_VAR_CATEGORICAL:質的データ
var_type = cvCreateMat( data->cols + 1, 1, CV_8U );
cvSet( var_type, cvScalarAll(CV_VAR_ORDERED) );
//最後の1つ(出力でもあるresponsesの形式)を質的データに指定
cvSetReal1D( var_type, data->cols, CV_VAR_CATEGORICAL );
// 2. create sample_idx
//sample_idx(どのサンプルを使うかのインデックス)の作成
//1行nsamples_all列のCvMatを作成。これが1なら該当する番目のデータを参照(学習に使う)、0なら無視
sample_idx = cvCreateMat( 1, nsamples_all, CV_8UC1 );
{
CvMat mat;
//0番目からntrain_samples-1番目までののCvMatを参照(第4引数の場所は含まれない点に注意)
cvGetCols( sample_idx, &mat, 0, ntrain_samples );
//参照したCvMatに1を代入
cvSet( &mat, cvRealScalar(1) );
//ntrain_samples番目からnsamples_all-1番目までのCvMatを参照
cvGetCols( sample_idx, &mat, ntrain_samples, nsamples_all );
//0を代入
cvSetZero( &mat );
}
// 3. train classifier
//分類器の学習
//http://opencv.jp/opencv/document/opencvref_ml_introduction.html#decl_CvStatModel_train
//を参照
//パラメータについては
//http://opencv.jp/opencv/document/opencvref_ml_randomtree.html#decl_CvRTParams
//http://opencv.jp/opencv/document/opencvref_ml_dtree.html#decl_CvDTreeParams
//を参照
forest.train( data, CV_ROW_SAMPLE, responses, 0, sample_idx, var_type, 0,
CvRTParams(10,10,0,false,15,0,true,4,100,0.01f,CV_TERMCRIT_ITER));
printf( "\n");
}
// compute prediction error on train and test data
//trainおよびtestデータを用いた予測を行ない、学習の誤差を求める
for( i = 0; i < nsamples_all; i++ )
{
double r;
CvMat sample;
//データを1つずつ取得して検証する
cvGetRow( data, &sample, i );
//http://opencv.jp/opencv/document/opencvref_ml_randomtree.html#decl_CvRTrees_predict
//を参照
r = forest.predict( &sample );
//data.fl[i]はi番目のデータをfloatで取得するの意
//FLT_EPSILONはfloatの場合の丸め誤差の最大値。要するに差が無い場合は絶対値がこれ以下になる
//#define FLT_EPSILON 1.192092896e-07F /* smallest such that 1.0+FLT_EPSILON != 1.0 */
r = fabs((double)r - responses->data.fl[i]) <= FLT_EPSILON ? 1 : 0;
//trainかtestか判別して正解数を記録
if( i < ntrain_samples )
train_hr += r;
else
test_hr += r;
}
//正解率を求める
test_hr /= (double)(nsamples_all-ntrain_samples);
train_hr /= (double)ntrain_samples;
//百分率で表示
printf( "Recognition rate: train = %.1f%%, test = %.1f%%\n",
train_hr*100., test_hr*100. );
//get_tree_countメソッドはntreesを返す
printf( "Number of trees: %d\n", forest.get_tree_count() );
// Print variable importance
//get_var_importanceメソッドはCvMat型のvar_importance(変数の重要度)を返す
var_importance = (CvMat*)forest.get_var_importance();
if( var_importance )
{
//重要度の合計で各変数の重要度を割り、貢献している率(百分率)を示す
double rt_imp_sum = cvSum( var_importance ).val[0];
printf("var#\timportance (in %%):\n");
for( i = 0; i < var_importance->cols; i++ )
printf( "%-2d\t%-4.1f\n", i,
100.f*var_importance->data.fl[i]/rt_imp_sum);
}
//Print some proximitites
//letter-recognition.dataの0、103、106番目の'T'についてノード間での近さを求める
printf( "Proximities between some samples corresponding to the letter 'T':\n" );
{
CvMat sample1, sample2;
const int pairs[][2] = {{0,103}, {0,106}, {106,103}, {-1,-1}};
for( i = 0; pairs[i][0] >= 0; i++ )
{
cvGetRow( data, &sample1, pairs[i][0] );
cvGetRow( data, &sample2, pairs[i][1] );
printf( "proximity(%d,%d) = %.1f%%\n", pairs[i][0], pairs[i][1],
forest.get_proximity( &sample1, &sample2 )*100. );
}
}
// Save Random Trees classifier to file if needed
//-saveオプションで保存先が指定されている場合
if( filename_to_save )
forest.save( filename_to_save );
cvReleaseMat( &sample_idx );
cvReleaseMat( &var_type );
cvReleaseMat( &data );
cvReleaseMat( &responses );
return 0;
}
OpenCVにおけるBoosted treeは2クラスの分類までしか対応していないので、Unrollingして2クラス分類に変換している。
具体的にはデータ群(1サンプルあたり16個入り)dataとクラス(26通り)responsesについて、 train用全サンプルをクラスの数だけ複製し、各サンプルのケツに0-25の値をインデックスとして付与したものをnew_dataとし、 そのインデックスとresponsesが一致した場合を1とするnew_responsesを作成している。
サンプル | data | responses |
---|---|---|
サンプルその1 | データ群その1 | 19('T'は20番目) |
だった場合、
サンプル | new_data | new_responses |
---|---|---|
サンプルその1 | データ群その1, 0 | 0 |
サンプルその1 | データ群その1, 1 | 0 |
省略 | ||
サンプルその1 | データ群その1, 19 | 1 |
省略 | ||
サンプルその1 | データ群その1, 25 | 0 |
となる。これをtrain用全サンプルに対して行なっている。
ちなみにvar_typeはインデックスとnew_responsesについては cvSetReal1D( var_type, var_count, CV_VAR_CATEGORICAL ); cvSetReal1D( var_type, var_count+1, CV_VAR_CATEGORICAL ); として質的データの扱いにしている。
static
int build_boost_classifier( char* data_filename,
char* filename_to_save, char* filename_to_load )
{
const int class_count = 26;
CvMat* data = 0;
CvMat* responses = 0;
CvMat* var_type = 0;
CvMat* temp_sample = 0;
CvMat* weak_responses = 0;
int ok = read_num_class_data( data_filename, 16, &data, &responses );
int nsamples_all = 0, ntrain_samples = 0;
int var_count;
int i, j, k;
double train_hr = 0, test_hr = 0;
CvBoost boost;
if( !ok )
{
printf( "Could not read the database %s\n", data_filename );
return -1;
}
printf( "The database %s is loaded.\n", data_filename );
nsamples_all = data->rows;
ntrain_samples = (int)(nsamples_all*0.5);
var_count = data->cols;
// Create or load Boosted Tree classifier
if( filename_to_load )
{
// load classifier from the specified file
boost.load( filename_to_load );
ntrain_samples = 0;
if( !boost.get_weak_predictors() )
{
printf( "Could not read the classifier %s\n", filename_to_load );
return -1;
}
printf( "The classifier %s is loaded.\n", data_filename );
}
else
{
// !!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!
//
// As currently boosted tree classifier in MLL can only be trained
// for 2-class problems, we transform the training database by
// "unrolling" each training sample as many times as the number of
// classes (26) that we have.
//
// !!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!
//unrollingの説明
//unrolling後のデータnew_data、応答new_responses用のCvMat
//new_dataはインデックスが加わるのでvar_count+1個分入れ物を作る
CvMat* new_data = cvCreateMat( ntrain_samples*class_count, var_count + 1, CV_32F );
CvMat* new_responses = cvCreateMat( ntrain_samples*class_count, 1, CV_32S );
// 1. unroll the database type mask
printf( "Unrolling the database...\n");
//train用データのunrolling
for( i = 0; i < ntrain_samples; i++ )
{
//dataから1サンプル分のポインタの取得
float* data_row = (float*)(data->data.ptr + data->step*i);
//クラス数(26)分のループ
for( j = 0; j < class_count; j++ )
{
//new_dataの1サンプル、1クラス分のポインタ取得
float* new_data_row = (float*)(new_data->data.ptr +
new_data->step*(i*class_count+j));
//特徴量のコピー
for( k = 0; k < var_count; k++ )
new_data_row[k] = data_row[k];
//インデックスの埋込み
new_data_row[var_count] = (float)j;
//インデックスとresponsesの内容が等しければ1をnew_responsesに入れる。不等なら0
new_responses->data.i[i*class_count + j] = responses->data.fl[i] == j+'A';
}
}
// 2. create type mask
//type maskの作成
//var_countよりインデックスとnew_responsesの2個分多い
var_type = cvCreateMat( var_count + 2, 1, CV_8U );
//CV_VAR_ORDERD(量的データ)で全部埋める
cvSet( var_type, cvScalarAll(CV_VAR_ORDERED) );
// the last indicator variable, as well
// as the new (binary) response are categorical
//インデックスとバイナリ(01)のnew_responsesは質的データ(CV_VAR_CATEGORICAL)
cvSetReal1D( var_type, var_count, CV_VAR_CATEGORICAL );
cvSetReal1D( var_type, var_count+1, CV_VAR_CATEGORICAL );
// 3. train classifier
printf( "Training the classifier (may take a few minutes)...");
boost.train( new_data, CV_ROW_SAMPLE, new_responses, 0, 0, var_type, 0,
CvBoostParams(CvBoost::REAL, 100, 0.95, 5, false, 0 ));
cvReleaseMat( &new_data );
cvReleaseMat( &new_responses );
printf("\n");
}
//テスト用サンプルの入れ物
temp_sample = cvCreateMat( 1, var_count + 1, CV_32F );
//弱い分類器の出力の入れ物
weak_responses = cvCreateMat( 1, boost.get_weak_predictors()->total, CV_32F );
// compute prediction error on train and test data
for( i = 0; i < nsamples_all; i++ )
{
int best_class = 0;
double max_sum = -DBL_MAX;
double r;
CvMat sample;
//1サンプル分のdataを取得
cvGetRow( data, &sample, i );
//temp_sampleにsampleをコピー
for( k = 0; k < var_count; k++ )
temp_sample->data.fl[k] = sample.data.fl[k];
for( j = 0; j < class_count; j++ )
{
//インデックスだけ0~25に変えてテスト
temp_sample->data.fl[var_count] = (float)j;
boost.predict( temp_sample, 0, weak_responses );
double sum = cvSum( weak_responses ).val[0];
//最もweak_responsesの総和が大きい
//(間違った答えはだいたい大きな負数になる)ベストなクラスを探す
if( max_sum < sum )
{
max_sum = sum;
best_class = j + 'A';
}
}
//best_classとresponsesが等しいか?
r = fabs(best_class - responses->data.fl[i]) < FLT_EPSILON ? 1 : 0;
//test,trainデータに対する正解数の総和を求める
if( i < ntrain_samples )
train_hr += r;
else
test_hr += r;
}
test_hr /= (double)(nsamples_all-ntrain_samples);
train_hr /= (double)ntrain_samples;
printf( "Recognition rate: train = %.1f%%, test = %.1f%%\n",
train_hr*100., test_hr*100. );
printf( "Number of trees: %d\n", boost.get_weak_predictors()->total );
// Save classifier to file if needed
if( filename_to_save )
boost.save( filename_to_save );
cvReleaseMat( &temp_sample );
cvReleaseMat( &weak_responses );
cvReleaseMat( &var_type );
cvReleaseMat( &data );
cvReleaseMat( &responses );
return 0;
}
OpenCVのMLPは質的データに対応していないのでresponsesをクラス全てに対するビット列に置き換えている点に注意。
static
int build_mlp_classifier( char* data_filename,
char* filename_to_save, char* filename_to_load )
{
const int class_count = 26;
CvMat* data = 0;
CvMat train_data;
CvMat* responses = 0;
CvMat* mlp_response = 0;
int ok = read_num_class_data( data_filename, 16, &data, &responses );
int nsamples_all = 0, ntrain_samples = 0;
int i, j;
double train_hr = 0, test_hr = 0;
CvANN_MLP mlp;
if( !ok )
{
printf( "Could not read the database %s\n", data_filename );
return -1;
}
printf( "The database %s is loaded.\n", data_filename );
nsamples_all = data->rows;
ntrain_samples = (int)(nsamples_all*0.8);
// Create or load MLP classifier
if( filename_to_load )
{
// load classifier from the specified file
mlp.load( filename_to_load );
ntrain_samples = 0;
if( !mlp.get_layer_count() )
{
printf( "Could not read the classifier %s\n", filename_to_load );
return -1;
}
printf( "The classifier %s is loaded.\n", data_filename );
}
else
{
// !!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!
//
// MLP does not support categorical variables by explicitly.
// So, instead of the output class label, we will use
// a binary vector of <class_count> components for training and,
// therefore, MLP will give us a vector of "probabilities" at the
// prediction stage
//
// !!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!
//MLPは質的データの出力には対応していないので
//new_responsesはバイナリ(01)のベクトルとする
//このベクトルはクラス数分の大きさを持ち、理想的には正解のクラスにのみ1が立つ
//(実際のpredictの結果は1になる事は殆どなく、0~1の範囲で尤もらしさを示すことになる)
//学習用のサンプル分作るので、大きさはntrain_samples×class_countになる
CvMat* new_responses = cvCreateMat( ntrain_samples, class_count, CV_32F );
// 1. unroll the responses
printf( "Unrolling the responses...\n");
for( i = 0; i < ntrain_samples; i++ )
{
//responsesをAを0とする整数に変換
int cls_label = cvRound(responses->data.fl[i]) - 'A';
//new_responsesの1サンプル分のベクトルのポインタの取得
float* bit_vec = (float*)(new_responses->data.ptr + i*new_responses->step);
//全部に0(float)を埋込む
for( j = 0; j < class_count; j++ )
bit_vec[j] = 0.f;
//cls_label(正解)にだけ1(float)を立てる
bit_vec[cls_label] = 1.f;
}
//train_dataにdataの0~ntrain_samples-1サンプルまで取得
cvGetRows( data, &train_data, 0, ntrain_samples );
// 2. train classifier
//入力層:特徴量の数
//隠れ層1:100
//隠れ層2:100
//出力層:26(さっき作ったバイナリベクタの数)
int layer_sz[] = { data->cols, 100, 100, class_count };
//(int)(sizeof(layer_sz)/sizeof(layer_sz[0]))は要するに入れ物が何個かという計算
//ここでは1×4のCvMatを作り、中にlayer_szを入れている
CvMat layer_sizes =
cvMat( 1, (int)(sizeof(layer_sz)/sizeof(layer_sz[0])), CV_32S, layer_sz );
//CvANN_MLP::createについては
//http://opencv.jp/opencv/document/opencvref_ml_nn.html#decl_CvANN_MLP_create 参照
mlp.create( &layer_sizes );
printf( "Training the classifier (may take a few minutes)...");
//CvANN_MLP::trainについては
//http://opencv.jp/opencv/document/opencvref_ml_nn.html#decl_CvANN_MLP_train
//http://opencv.jp/opencv/document/opencvref_ml_nn.html#decl_CvANN_MLP_TrainParams
//http://opencv.jp/opencv/document/opencvref_cxcore_basic.html#decl_CvTermCriteria
//を参照
mlp.train( &train_data, new_responses, 0, 0,
CvANN_MLP_TrainParams(cvTermCriteria(CV_TERMCRIT_ITER,300,0.01),
CvANN_MLP_TrainParams::RPROP,0.01));
cvReleaseMat( &new_responses );
printf("\n");
}
//応答の入れ物
mlp_response = cvCreateMat( 1, class_count, CV_32F );
// compute prediction error on train and test data
//trainとtestの両サンプルについてpredictする
for( i = 0; i < nsamples_all; i++ )
{
int best_class;
CvMat sample;
//dataから1サンプル取得
cvGetRow( data, &sample, i );
CvPoint max_loc = {0,0};
//predictメソッドは
//virtual float predict( const CvMat* _inputs, CvMat* _outputs ) const;
//と宣言されている
mlp.predict( &sample, mlp_response );
//cvMinMaxLocで最大となった位置(何番目の文字を正解(より1に近い出力)としたか)を探す
//CVAPI(void) cvMinMaxLoc( const CvArr* arr, double* min_val, double* max_val,
// CvPoint* min_loc CV_DEFAULT(NULL),
// CvPoint* max_loc CV_DEFAULT(NULL),
// const CvArr* mask CV_DEFAULT(NULL) );
//cvMinMaxLocはarrの最小値min_val、最大値max_val
//最小となった位置min_loc、最大となった位置max_locのポインタを返す。
//不要な項目についてはNULLを渡しておけば良い
//という訳でmax_loc.xにはどこが一番確からしいかの位置を指す
//当たり前だがmax_loc.yは0(1行目)
cvMinMaxLoc( mlp_response, 0, 0, 0, &max_loc, 0 );
//ASCIIコードに変換
best_class = max_loc.x + 'A';
//responsesとbest_classが一致すれば1。外れれば0
int r = fabs((double)best_class - responses->data.fl[i]) < FLT_EPSILON ? 1 : 0;
//train,testの正解数に加算
if( i < ntrain_samples )
train_hr += r;
else
test_hr += r;
}
test_hr /= (double)(nsamples_all-ntrain_samples);
train_hr /= (double)ntrain_samples;
printf( "Recognition rate: train = %.1f%%, test = %.1f%%\n",
train_hr*100., test_hr*100. );
// Save classifier to file if needed
if( filename_to_save )
mlp.save( filename_to_save );
cvReleaseMat( &mlp_response );
cvReleaseMat( &data );
cvReleaseMat( &responses );
return 0;
}