Discussion :

[hennou]

Bonjour,
Je voudrais utiliser SVM pour faire un apprentissage.
Pourriez-vous m'aider ? merci

[hennou]

salut
je suis passé par plusieurs documents sur la façon d'utiliser LIBSVM de formation et de classification. Mais je suis incapable d'appliquer ces méthodes de formation. S'il vous plaît m'aider à résoudre ce problème.

[hennou]

Bonjour,

J'essaie de compiler le projet:

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
#include <cv.h>
#include <highgui.h>
#include <ml.h>
#include <stdio.h>
 
 
int
main (int argc, char **argv)
{
  int i, j, ii, jj;
  int width = 28, height = 30;
  int image_dim = width * height;
  int pimage_num = 1;
  int nimage_num = 1;
  int all_image_num = pimage_num + nimage_num;
  IplImage *img_org;
  IplImage *sample_img;
  int res[all_image_num];
  float data[all_image_num * image_dim];
  CvMat data_mat, res_mat;
  CvTermCriteria criteria;
  CvSVM svm = CvSVM ();
  CvSVMParams param;
  char filename[64];
 
  for (i = 0; i < pimage_num; i++) {
    sprintf (filename, "positive/%03d.jpg", i);
    img_org = cvLoadImage (filename, CV_LOAD_IMAGE_GRAYSCALE);
    sample_img = cvCreateImage (cvSize (width, height), IPL_DEPTH_8U, 1);
    cvResize (img_org, sample_img);
    cvSmooth (sample_img, sample_img, CV_GAUSSIAN, 3, 0, 0, 0);
    for (ii = 0; ii < height; ii++) {
      for (jj = 0; jj < width; jj++) {
        data[i * image_dim + (ii * width) + jj] =
          float ((int) ((uchar) (sample_img->imageData[ii * sample_img->widthStep + jj])) / 255.0);
      }
    }
    res[i] = 1;
  }
 
  j = i;
  for (i = j; i < j + nimage_num; i++) {
    sprintf (filename, "negative/%03d.jpg", i - j);
    img_org = cvLoadImage (filename, CV_LOAD_IMAGE_GRAYSCALE);
    sample_img = cvCreateImage (cvSize (width, height), IPL_DEPTH_8U, 1);
    cvResize (img_org, sample_img);
    cvSmooth (sample_img, sample_img, CV_GAUSSIAN, 3, 0, 0, 0);
    for (ii = 0; ii < height; ii++) {
      for (jj = 0; jj < width; jj++) {
        data[i * image_dim + (ii * width) + jj] =
          float ((int) ((uchar) (sample_img->imageData[ii * sample_img->widthStep + jj])) / 255.0);
      }
    }
    res[i] = 0;
  }
 
  cvInitMatHeader (&data_mat, all_image_num, image_dim, CV_32FC1, data);
  cvInitMatHeader (&res_mat, all_image_num, 1, CV_32SC1, res);
  criteria = cvTermCriteria (CV_TERMCRIT_EPS, 1000, FLT_EPSILON);
  param = CvSVMParams (CvSVM::C_SVC, CvSVM::RBF, 10.0, 0.09, 1.0, 10.0, 0.5, 1.0, NULL, criteria);
 
 
  svm.train (&data_mat, &res_mat, NULL, NULL, param);
  svm.save ("svm_image.xml");
 
  cvReleaseImage (&img_org);
  cvReleaseImage (&sample_img);
 
  return 0;
}

mais je trouve des erreurs :

undefined reference to `CvSVM::CvSVM()'

undefined reference to `CvSVMParams::CvSVMParams()'

undefined reference to `CvSVMParams::CvSVMParams(int, int, double, double, double, double, double, double, CvMat*, CvTermCriteria)'

undefined reference to `CvSVM::train(CvMat const*, CvMat const*, CvMat const*, CvMat const*, CvSVMParams)'

undefined reference to `CvStatModel::save(char const*, char const*) const'

undefined reference to `CvSVM::~CvSVM()'

Quelqu'un peut m'aider s'il vous plait.

Merci

[snowpy]

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

CvSVM svm = new CvSVM();

ca serait pas plutot comme ca pour créer l'objet ?

[hennou]

salut
même problème avec:

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

CvSVM svm = new CvSVM();

j'ai pas trouvé la solution, normalement les fonctions de SVM sont connues dans la bibliothèque ML !!!

[hennou]

Bonjour,

Est-ce qu'il faut ajouter la classe CvSVM ? ou bien c déjà connu dans la bibliothèque ML ?

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
class CvSVM : public CvStatModel
{
public:
    // SVM type
    enum { C_SVC=100, NU_SVC=101, ONE_CLASS=102, EPS_SVR=103, NU_SVR=104 };
 
    // SVM kernel type
    enum { LINEAR=0, POLY=1, RBF=2, SIGMOID=3 };
 
    // SVM params type
    enum { C=0, GAMMA=1, P=2, NU=3, COEF=4, DEGREE=5 };
 
    CvSVM();
    virtual ~CvSVM();
 
    CvSVM( const CvMat* _train_data, const CvMat* _responses,
           const CvMat* _var_idx=0, const CvMat* _sample_idx=0,
           CvSVMParams _params=CvSVMParams() );
 
    virtual bool train( const CvMat* _train_data, const CvMat* _responses,
                        const CvMat* _var_idx=0, const CvMat* _sample_idx=0,
                        CvSVMParams _params=CvSVMParams() );
 
    virtual bool train_auto( const CvMat* _train_data, const CvMat* _responses,
        const CvMat* _var_idx, const CvMat* _sample_idx, CvSVMParams _params,
        int k_fold = 10,
        CvParamGrid C_grid      = get_default_grid(CvSVM::C),
        CvParamGrid gamma_grid  = get_default_grid(CvSVM::GAMMA),
        CvParamGrid p_grid      = get_default_grid(CvSVM::P),
        CvParamGrid nu_grid     = get_default_grid(CvSVM::NU),
        CvParamGrid coef_grid   = get_default_grid(CvSVM::COEF),
        CvParamGrid degree_grid = get_default_grid(CvSVM::DEGREE) );
 
    virtual float predict( const CvMat* _sample ) const;
    virtual int get_support_vector_count() const;
    virtual const float* get_support_vector(int i) const;
    virtual CvSVMParams get_params() const { return params; };
    virtual void clear();
 
    static CvParamGrid get_default_grid( int param_id );
 
    virtual void save( const char* filename, const char* name=0 );
    virtual void load( const char* filename, const char* name=0 );
 
    virtual void write( CvFileStorage* storage, const char* name );
    virtual void read( CvFileStorage* storage, CvFileNode* node );
    int get_var_count() const { return var_idx ? var_idx->cols : var_all; }
 
protected:
    ...
};

merciii