Android中的Opencv ANN_MLP培训

我在opencv C ++中实现了一个ANN字符分类器。 我创建了一个模型：

cv::Mat layers(3,1,CV_32S); layers.at(0,0) = ATTRIBUTES;//400 layers.at(1,0)=25;//hidden layer layers.at(2,0) =CLASSES;// eg. 10 CvANN_MLP nnetwork(layers, CvANN_MLP::SIGMOID_SYM,0.6,1); CvANN_MLP_TrainParams params( cvTermCriteria(CV_TERMCRIT_ITER+CV_TERMCRIT_EPS, 1000, 0.000001), CvANN_MLP_TrainParams::BACKPROP, 0.1, 0.1); int iterations = nnetwork.train(training_set, training_set_classifications,cv::Mat(),cv::Mat(),params); CvFileStorage* storage = cvOpenFileStorage( "C:\\example\\myModel.xml", 0, CV_STORAGE_WRITE ); nnetwork.write(storage,"OCR"); cvReleaseFileStorage(&storage); 

现在，我的模型存储在C：/example/myModel.xml中当我想使用ANN分类器时，我在C ++中使用以下代码：

 CvANN_MLP nnetwork; CvFileStorage* storage = cvOpenFileStorage("C:\\example\\myModel.xml", 0, CV_STORAGE_READ ); CvFileNode *n = cvGetFileNodeByName(storage,0,"OCR"); nnetwork.read(storage,n); cvReleaseFileStorage(&storage); 

现在我可以使用nnetwork.predict()并对我的角色进行分类。 我的问题在这里，我想在Android中使用相同的分类器。 但是，我不知道如何在Android中的myModel.xml中加载模型。 我正在使用opencv 3.0.0，我无法在Android opencv中找到CvFileStorage的Java conterpart。 我不知道如何在Java中使用FileStorage。 请帮帮我。

Answer 1

我发现没有

CvFileStorage

在opencv4android中支持。 但是，如果你跳过jni，你可以做任何你想做的事情。 我正在使用Android Studio，我很难找到解决方案。

将jni与opencv链接到android有一个几乎复杂的过程。 我讨论整个过程如下：

步骤1.在Android项目中创建一个新类。 称之为linkToNative。 添加从jni读取字符串的本机方法。

 package com.example.yourname.yourproject; public class linkToNative { public native String compare(long src,long dest); static { System.loadLibrary("compare"); } } 

还有一件事，将您的原生模块介绍到app文件夹中的glradle.build。 因此，您的gradle defaultConfig范围将如下所示：

 defaultConfig { applicationId "com.example.yourname.yourproject" minSdkVersion 10 targetSdkVersion 22 versionCode 1 versionName "1.0" ndk{ moduleName 'compare' } } 

第2步。构建项目

第3步。使用javah创建标题。 为此，请在终端中导航至[您的项目根目录] / app / src / main并键入：

 javah -d jni -classpath [Your Android sdk root directory]/platforms/android-19/android.jar;../../build/intermediates/classes/debug com.example.yourname.yourproject.linkToNative 

• 请注意，如果将其他包导入myClass.java，则需要将相应的java或jar文件添加到类路径搜索区域。 在使用opencv包装器的情况下，请参阅此处 。

步骤4.在javah创建的jni文件夹中，你应该制作你的cpp [我强烈推荐cpp]文件。 我创建一个简单的如下：

 #include  JNIEXPORT jstring JNICALL Java_com_example_yourname_yourproject_linkToNative_compare (JNIEnv *env, jobject obj, jlong src, jlong dest){ return env->NewStringUTF("hello, I'm jni"); } 

转到新创建的jni文件夹，创建两个名为Android.mk和Application.mk的文件，如下所示：

Android.mk

 LOCAL_PATH := $(call my-dir) include $(CLEAR_VARS) OPENCVROOT:= [PATH/TO/Your/Opencv4android/Directory] OPENCV_CAMERA_MODULES:=off OPENCV_INSTALL_MODULES:=on OPENCV_LIB_TYPE:=SHARED LOCAL_C_INCLUDE := ${OPENCVROOT}/sdk/native/jni/include/ include ${OPENCVROOT}/sdk/native/jni/OpenCV.mk LOCAL_LDLIBS += -llog -lstdc++ -lz LOCAL_MODULE := compare LOCAL_SRC_FILES := compare.cpp include $(BUILD_SHARED_LIBRARY) 

Application.mk

 APP_STL := gnustl_static APP_CPPFLAGS := -frtti -fexceptions APP_ABI := armeabi-v7a APP_PLATFORM := android-19 

现在，您可以使用ndk-build交叉编译本机代码。 您应该已经下载了NDK并事先将其解压缩。 然后，转到您的终端，导航到app文件夹并写下以下代码：

 [YOUR NDK FOLDER]\ndk-build.cmd NDK_PROJECT_PATH=build/intermediates/ndk NDK_LIBS_OUT=src/main/jniLibs APP_BUILD_SCRIPT=src/main/jni/Android.mk NDK_APPLICATION_MK=src/main/jni/Application.mk 

请注意，如果您使用的是Linux或Mac平台，请从上面的命令中删除.cmd。 等待代码编译并运行您的项目。 现在，您可以在java中运行代码。 每次更改cpp文件时，都应该编译上面提到的jni代码。 如果你想摆脱这种情况，可以通过在其中定义任务来做到这一点。 这里提供了一个很好的教程。

在opencv3中调用StatModel

StatModel在opencv3中有所改变。 这是加载模型并根据testClass预测类的代码。 事先，在cpp文件中包含以下库。

 #include  #include "opencv2/opencv.hpp" #include "opencv2/core/core.hpp" #include "opencv2/highgui/highgui.hpp" #include "opencv2/imgproc/imgproc.hpp" #include "opencv2/objdetect/objdetect.hpp" #include  

现在，这是代码的其余部分。

 #define CLASSES 10 using namespace cv; using namespace cv::ml; JNIEXPORT jstring JNICALL Java_com_example_yourname_yourproject_linkToNative_compare (JNIEnv *env, jobject obj, jlong addrGray , jlong dest){ Mat* srcMat = (Mat*) src; Mat* destMat = (Mat*) dest; Mat ref = pMatYr->clone(); Ptr model=StatModel::load("/storage/emulated/0/ALPR/param.xml"); cv::Mat outputArray(1,CLASSES,CV_8U); // Your code that creates testClass according to srcMat . . // model->predict(testClass,outputArray) return env->NewStringUTF("YOUR MSG!"); } 

有关STatModel的更多信息，请阅读文档页面 。