OpenCV机器学习（7）人工神经网络 定义模型训练过程中参数的搜索范围cv::ml::ParamGrid 类

• OpenCV版本：OpenCV4.9
• IDE:Visual Studio Code
• 编程语言：C++11

算法描述

cv::ml::ParamGrid 类是 OpenCV 机器学习模块中的一个辅助类，用于定义模型训练过程中参数的搜索范围。它通常被用作某些机器学习算法（如支持向量机 SVM）的超参数调优工具，允许用户指定参数的最小值、最大值以及变化步长。通过使用 ParamGrid，你可以更方便地进行网格搜索（grid search），从而找到最优的模型参数配置。

主要用途

• 超参数调优：为特定的模型参数定义一个可能值的范围，以便在训练时自动探索最佳参数。
• 参数范围定义：通过设置参数的最小值、最大值和步长，生成一系列可能的参数值，供训练过程选择最优值。

构造函数与成员函数

• 构造函数

  • ParamGrid()：默认构造函数，创建一个默认的参数网格，其最小值为 1.0, 最大值为 10.0, 步长为 1.0。

  • ParamGrid(double minVal, double maxVal, double logStep)：初始化参数网格，指定最小值、最大值和步长。注意这里的步长是以对数尺度给出的。

    成员变量

    minVal：参数的最小值。

    maxVal：参数的最大值。

    logStep：参数增长的步长，以对数尺度表示。

代码示例

#include <iostream>
#include <opencv2/opencv.hpp>
#include <opencv2/ml.hpp>
#include <iostream>

using namespace cv;
using namespace cv::ml;
using namespace std;

int main() {
    // 创建SVM实例
    Ptr<SVM> svm = SVM::create();

    // 定义C参数的搜索范围
    ParamGrid C_grid(0.1, 100, 2); // 从0.1到100，以2的幂次递增
    
    // 定义gamma参数的搜索范围
    ParamGrid gamma_grid(0.01, 1, 2); // 从0.01到1，以2的幂次递增

    // 准备训练数据
    Mat samples = (Mat_<float>(4, 2) << 
        0.5, 1.0,
        1.0, 1.5,
        2.0, 0.5,
        1.5, 0.0);
    
    Mat responses = (Mat_<int>(4, 1) << 0, 0, 1, 1);

    // 使用TrainData创建训练数据对象
    Ptr<TrainData> trainData = TrainData::create(samples, ROW_SAMPLE, responses);

    // 自动训练模型，使用定义的参数网格
    svm->trainAuto(trainData, 10, C_grid, gamma_grid);

    // 保存模型
    svm->save("svm_model.yml");

    // 对新样本进行预测
    Mat sample = (Mat_<float>(1, 2) << 1.6, 0.7);
    float response = svm->predict(sample);

    cout << "The predicted response for the sample is: " << response << endl;

    return 0;
}

运行结果

The predicted response for the sample is: 1