//-- Load an image list file but only return camera image names
static bool loadImageList( std::vector<std::string> & vec_camImageName,
const std::string & sListFileName,
bool bVerbose = true )
{
vec_camImageName.clear();
std::vector<openMVG::SfMIO::CameraInfo> vec_camImageIntrinsicInfo;
std::vector<openMVG::SfMIO::IntrinsicCameraInfo> vec_focalGroup;
if (loadImageList( vec_camImageIntrinsicInfo,
vec_focalGroup,
sListFileName,
bVerbose) )
{
for ( std::vector<openMVG::SfMIO::CameraInfo>::const_iterator
iter_camInfo = vec_camImageIntrinsicInfo.begin();
iter_camInfo != vec_camImageIntrinsicInfo.end();
iter_camInfo++ )
{
vec_camImageName.push_back( iter_camInfo->m_sImageName );
}
}
return (!vec_camImageName.empty());
}
/**
* ニューラルネットワークを構築
* const char * network:ネットワークのファイルパス
* const char * image:学習イメージデータのファイルパス
* int data:学習するデータタイプ(imageを読み込むならば0)
*/
int createNeuralNetworkPP(const char * network, const char * image, int data) {
int i, j;
int in, out; //入力層のユニット数,出力層のユニット数
/*入出力に必要なユニット数を計算*/
if (data == 0 && strcmp(image, "\0") != 0) {
/*トレーニングデータの読み込み*/
if (loadImageList(image, &image_list) < 0) {
printf("ERROR:Not loaded %s file.\n", image);
return -1;
}
in = image_list.height * image_list.width * image_list.channel;
out = image_list.labelNum;
/*一度のパターン数*/
if (image_list.imageNum < array_size) {
input.pattern = image_list.imageNum;
} else {
input.pattern = array_size;
}
} else if (data == 1) {
in = 784;
out = 10;
image_list.height = 28;
image_list.width = 28;
image_list.channel = 1;
/*一度のパターン数*/
if (NUM_IMAGES < array_size) {
input.pattern = NUM_IMAGES;
} else {
input.pattern = array_size;
}
} else if (1 < data && data < 6) {
in = 2;
out = 1;
input.pattern = 4;
} else {
printf("ERROR:Input data.\n");
return -1;
}
/*ネットワークを構築*/
if (strcmp(network, "\0") != 0) {
/*保存データからニューラルネットワークを復元*/
printf("->Loading Neural Network\n");
if (neuralNetworkLoader(network, &numLayer, &dropout, &input, &hidden, &output) < 0) {
printf("ERROR:Not loaded %s file.\n", network);
return -1;
}
/*学習データとニューロン数の比較*/
if (input.num != in || output.num != out) {
printf("ERROR:Not loaded %s file.\n", network);
return -1;
}
} else {
/*新規にネットワークを構築*/
input.dropRate = dropRate_in;
input.num = in;
output.num = out;
/*新規に生成するニューロンのパラメータを手入力*/
int ch;
int units[numLayer - 2];
int buff_max = C_LENGTH; //入力時に保持する文字数
char str[C_LENGTH] = "\0"; //入力値を格納
/*中間層のニューロン数を入力*/
for (i = 0; i < (numLayer - 2); i++) {
j = 0;
printf("Input number neuron in hidden layer\n");
fflush(0);
while ((ch = getchar()) != EOF) {
if (ch == '\n') {
/*入力値を判断*/
if (CharToInteger(str, &units[i]) < 0) {
j = 0;
} else if (CharToInteger(str, &units[i]) > 0 && units[i] > 0) {
break;
} else {
j = 0;
}
} else {
str[j] = ch;
str[j + 1] = '\0';
j++;
}
fflush(0);
if (j + 1 >= buff_max) {
printf("input char is over for input limit\n");
j = 0;
ch = '\0';
}
}
}
/*中間層レイヤーのメモリを確保*/
hidden = (Layer *) malloc(sizeof(Layer) * (numLayer - 2));
/*中間層の初期化*/
for (i = 0; i < (numLayer - 2); i++) {
hidden[i].num = units[i];
if (i > 0) {
init_Layer(hidden[i - 1].num, &hidden[i]);
} else {
init_Layer(input.num, &hidden[i]);
}
hidden[i].dropRate = dropRate_hid;
hidden[i].act = 2;
}
/*出力層の初期化*/
printf("output:%d\n", output.num);
init_Layer(hidden[numLayer - 3].num, &output);
output.dropRate = 1.0;
/*出力層の活性化関数を選択*/
i = 0;
printf("Select of activation function in output layer.\n");
printf("logistic sigmoid function to 1,tanh to 2,softmax to 3,identity to 4\n");
fflush(0);
while ((ch = getchar()) != EOF) {
if (ch == '\n') {
/*入力値を判断*/
if (CharToInteger(str, &output.act) < 0) {
i = 0;
} else if (CharToInteger(str, &output.act) > 0 && 0 < output.act && output.act < 5) {
break;
} else {
i = 0;
}
} else {
str[i] = ch;
str[i + 1] = '\0';
i++;
}
fflush(0);
if (i + 1 >= buff_max) {
printf("input char is over for input limit\n");
i = 0;
ch = '\0';
}
}
}
/*トレーニングデータを用意*/
x = (double *) malloc(sizeof(double) * input.pattern * input.num);
d = (double *) malloc(sizeof(double) * input.pattern * output.num);
printf("--Train Data--\n");
if (data == 0) {
inputToImageData(&image_list, 0, input.pattern, x, d);
} else if (data == 1) {
/*MNISTの手書き数字のデータセット*/
DataSetTrainMNIST(input.pattern, x, d);
writeDataSetNum(28, 28, 1, input.pattern, input.num, output.num, x, d);
} else if (data == 2) {
//論理演算ORのデータセット
DataSetLogicalOperation(1, x, d);
writeDataSet(input.pattern, input.num, output.num, x, d);
} else if (data == 3) {
//論理演算ANDのデータセット
DataSetLogicalOperation(2, x, d);
writeDataSet(input.pattern, input.num, output.num, x, d);
} else if (data == 4) {
//論理演算XORのデータセット
DataSetLogicalOperation(3, x, d);
writeDataSet(input.pattern, input.num, output.num, x, d);
} else if (data == 5) {
//論理演算NANDのデータセット
DataSetLogicalOperation(4, x, d);
writeDataSet(input.pattern, input.num, output.num, x, d);
} else {
printf("使用するデータを正しく選択してください\n");
return -1;
}
printf("--Train Data--\n");
printf("\n");
/*入力層を初期化*/
init_Input(output.num, &input);
setInput(output.num, &input, x, d);
/*終了処理*/
data_type = data;
state = 1;
free(x);
free(d);
return 1;
}
void CFileTreeCtrl::initialise()
{
loadImageList();
populate();
}
