Согласно последнему вопросу я смог сохранить набор функций, используя предоставленный метод.
FeaturesTest.roundness = roundness;
FeaturesTest.nWhite = nWhite;
FeaturesTest.color = color;
FeaturesTest.descriptors = descriptors;
FeaturesTest.outputs = outputs;
FeaturesTest = {roundness,nWhite, color, descriptors, outputs};
Теперь мои первые 4 функции введены в нейронную сеть, а пятая - цель. Я написал так.
load('features.mat','FeaturesTest');
A = FeaturesTest;
P=A(:,1:4)';
T=A(:,5:5)';
rand('seed', 491218382);
net = newff(minmax(P),T,20);
Теперь та же ошибка возникает для входных функций ...
??? Ошибка при использовании ==> horzcat CAT
Размеры аргументов не
последовательны. Ошибка в ==> minmax при 38
pr {i} = minmax ([p {i,:}]);
Кто-нибудь имеет представление об этом, пожалуйста?
@ Итамар Кац Спасибо, что показали мне использование массива ячеек и структуры. Я изменил это сейчас. Есть такая функция, которая возвращает функции для одного изображения. для округлости и nWhite подходит только одно значение. дескрипторы являются дескрипторами сдвига. Есть 5 типов выходов. для первого вывода изображения должно быть 1, для второго 2 и так далее. цвет отображается в файле .mat [196,186,177]. вывод что-то вроде [1,0,0,0,0].
function[FeaturesTest] = features(image)
[siftImage, descriptors, locs] = sift(image);
FeaturesTest = {roundness, nWhite, color, descriptors, outputs};
Теперь возьмите одно за другим изображение из тренировочного набора и вызовите функцию выше для каждого изображения.
for i=1:size(list, 1);
if (~(list(i).isdir))
[FeatureSet] = features(fullfile('F:\ProjectWork\Coin_Recognition\TrainingSet', list(i).name));
Features = [Features; FeatureSet];
end
end
save('features.mat','Features');
Теперь я хочу обучить этим функциям. То, что я сделал, было
load('features.mat','Features');
A = Features;
P=A(:,1:4)';
T=A(:,5:5)';
rand('seed', 491218382);
net = newff(minmax(P),T,20);
Error comes here.
Пожалуйста, помогите мне. Спасибо.
Файл
features.mat для 6 изображений выглядит следующим образом
0.776914651509411 1874 [196,186,177] <14x128 double>
[1,0,0,0,0]
0.839974548665116 1794 [219,213,202] <7x128 double>
[1,0,0,0,0]
0.841707612525928 1796 [192,182,171] <5x128 double>
[1,0,0,0,0]
0.861761793121658 1783 [202,199,192] <13x128 double>
[1,0,0,0,0]
0.411077484660635 3689 [97,88,72] <238x128 double>
[0,1,0,0,0]
0.844865287736163 3372 [166,139,89] <228x128 double>
[0,1,0,0,0]