[Open CV] 머신러닝 클래스

 

금일은 OpenCV에서 제공하는 머신러닝 클래스들에 대해서 알아본다.

 

 

OpenCV가 기본적으로 컴퓨터비전 라이브러리이지만 머신러닝과 관련된 라이브러리도 제공하고있다.

위 이미지를 보게되면 cv2.ml_StatModel 이라고하는 상위 클래스가 있고
( Stat : 통계 )

각각 상속받는 알고리즘 클래스들이 정의가 되어있다.

 

위 클래스들의 객체를 생성해서 각각의 알고리즘에 맞게끔 내가 가진 데이터들을 학습을 시킬 수 있다.

이때 사용하는 함수가 train() , predict() 함수이다.

train()은 학습을 하는 함수이고 predict()는 예측을 하는 역할의 함수이다.

 

그래서 예를들어 cv2.ml_KNearest 라고 하는 알고리즘의 클래스를 사용해서 머신러닝을 사용하고 싶다면

위 클래스의 train와 predict의 함수를 사용할 수 있다.

아래 클래스들을 설명해놓았다.

 

 

이번 머신러닝 강의에서는 KNearest와 SVM 클래스를 사용한다.

 

그래서 일단 머신 러닝 알고리즘 객체를 생성해줘야한다.

위같이 알고리즘 객체를 생성한 이후에는 train함수와 predict 함수를 사용해서 머신러닝을 사용한다.

 

---

머신러닝 알고리즘 학습

cv2.ml_StatModel.train ( samples, layout, responses ) -> retval

 - samples : 학습 데이터 행렬. numpy.ndarray.shape = ( N,d ), dtype = numpy.float32.

 * N은 샘플의 개수를 의미한다 . ( 데이터 개수 ) , d는 특징벡터의 차원 개수를 의미한다.
   예를들어 사과와 바나나를 구분할때 Hue값과 길이값을 사용해서 구분하고자하면 d는 2가된다.
   그럼 여기서 원인지 아닌지도 구분하는 인자도 넣게되면 d는 3이된다.

 - layout : 학습 데이터 배치 방법

                * 대부분의 경우 ROW_SAMPLE을 넣어줌

 - responses : 각 학습 데이터에 대응되는 응답( 레이블 ) 행렬.
                       numpy.ndarray.shape=(N,1), dtype=numpy.int32 또는 numpy.float32

 - retval : 학습이 성공하면 True

---

머신러닝 알고리즘 예측

이미 학습이 끝났다고 가정하고 새로운 샘플 데이터에 대해서 어떤 결과값을 갖을지에 대한 예측

cv2.ml_StatModel.predict ( samples, results=None, flags = None ) -> retval, results

 - samples : 입력 벡터가 행 단위로 저장된 행렬
                    numpy.ndarray.shape = ( N,d ), dtype = numpy.float32.
                    * N은 판단할 샘플 개수, d는 특징백터의 개수

 - results : 각 입력 샘플에 대한 예측 ( 분류 또는 회귀 ) 결과를 저장한 행혈
                 numpy.ndarray.shape ( N,1 ) , dtype = numpy.float32
                 * N은 위 samples와 동일한 샘플 개수값

 - flags : 추가적인 플래그. 기본값은 0
              cv2.ml.STAT_MODEL_RAW_OUTPUT을 지정하면 클래스 레이블이 아닌 실제 계산 결과 값을 출력

 - retval : 알고리즘에 따라 다름

 * 대부분 쓰이지 않고 samples로 입력행렬을 주게되고 results로 결과를 받는 형태로만 사용됨

---