Treno KNN() in cv2 con opencv 3.0

Question

Sto provando a eseguire i k-neighbor vicini usando cv2 (python 2.7) e opencv 3.0. Ho replicato lo stesso messaggio di errore utilizzando il codice come http://docs.opencv.org/3.0-beta/doc/py_tutorials/py_ml/py_knn/py_knn_understanding/py_knn_understanding.html:

import cv2 
import numpy as np 
import matplotlib.pyplot as plt 
# Feature set containing (x,y) values of 25 known/training data 
trainData = np.random.randint(0,100,(25,2)).astype(np.float32) 
# Labels each one either Red or Blue with numbers 0 and 1 
responses = np.random.randint(0,2,(25,1)).astype(np.float32) 
# Take Red families and plot them 
red = trainData[responses.ravel()==0] 
plt.scatter(red[:,0],red[:,1],80,'r','^') 
# Take Blue families and plot them 
blue = trainData[responses.ravel()==1] 
plt.scatter(blue[:,0],blue[:,1],80,'b','s') 
plt.show() 
newcomer = np.random.randint(0,100,(1,2)).astype(np.float32) 
plt.scatter(newcomer[:,0],newcomer[:,1],80,'g','o') 

#The following line is modified for OpenCV 3.0 
knn = cv2.ml.KNearest_create() 
knn.train(trainData,responses) 
ret, results, neighbours ,dist = knn.find_nearest(newcomer, 3) 

print "result: ", results,"\n" 
print "neighbours: ", neighbours,"\n" 
print "distance: ", dist 

plt.show() 

ho modificato la linea knn = cv2.ml.KNearest_create() per OpenCV 3, ma la linea successiva produce un TypeError errore": solo gli array di lunghezza 1 possono essere convertiti in scalari Python "e non riesco a capire cosa dovrei usare per la funzione del treno.

Answer 1

Stai passando una lunghezza errata dell'array per l'algoritmo KNN .... dando uno sguardo al tuo codice, ho scoperto che hai perso il parametro cv2.ml.ROW_SAMPLE nella funzione knn.train, passando questo parametro considera la lunghezza dell'array come 1 per l'intera riga. così il vostro codice corretto sarebbe come di seguito:

import cv2 
import numpy as np 
import matplotlib.pyplot as plt 

trainData = np.random.randint(0,100,(51,2)).astype(np.float32) 
responses = np.random.randint(0,2,(51,1)).astype(np.float32) 

red = trainData[responses.ravel()==0] 
plt.scatter(red[:,0],red[:,1],80,'r','^') 
blue = trainData[responses.ravel()==1] 
plt.scatter(blue[:,0],blue[:,1],80,'b','s') 


newcomer = np.random.randint(0,100,(5,2)).astype(np.float32) 
plt.scatter(newcomer[:,0],newcomer[:,1],80,'g','o') 

knn = cv2.ml.KNearest_create() 
knn.train(trainData,cv2.ml.ROW_SAMPLE,responses) 
ret, results, neighbours, dist = knn.findNearest(newcomer, 3) 

print ("results: ", results,"\n") 
print ("neighbours: ", neighbours,"\n") 
print ("distances: ", dist) 

plt.show() 

Ecco il risultato che ho ottenuto da esso ....