summaryrefslogtreecommitdiff
path: root/2005/i/robert/src/ovision/see/segmLearn.cc
blob: 627f656a77824d0582a9a5904c5460e630f2cb10 (plain)
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
// segmLearn.cc - Classe Segmentation
// robert - Programme du robot APBteam
// Copyright (C) 2005 Olivier Gaillard

/// @file segmLearn.cc Apprentissage du r�seau de neurones

#include "segmLearn.hh"
#include <iostream>

/// Constructor SegmLearn
SegmLearn::SegmLearn () : 
     freq_ (0)
{
}

/// Destructor SegmLearn
SegmLearn::~SegmLearn ()
{
    delete [] freq_;
}

/// Genere des poids pour un noeud
/// @param numNode num�ro du noeud � changer
void 
SegmLearn::weightsGen (const int numNode)
{
    const int minWeight = 30;
    const int maxWeight = 220;
    // Parcours des 3 composantes
    for(int i=0; i<3; i++) 
      {
	// Attribution al�atoire des poids
	node_[numNode*3+i] = (unsigned char) (255.0*rand()/(RAND_MAX+1.0));
	if (node_[numNode*3+i] < minWeight) 
	    node_[numNode*3+i] = minWeight;
	else if (node_[numNode*3+i] > maxWeight) 
	    node_[numNode*3+i] = maxWeight;
      }
}


/// Construit un reseau de neurones
/// @param nbOutput_ nombre de noeuds de la couche de sortie du NN
/// @param loadFromFile (GENERATE ou LOADFROMFILE) indique si les poids sont charges d'un fichier ou generes aleatoirement
void 
SegmLearn::buildNN (const int nbOutput, const bool loadFromFile) 
{
    nbOutput_ = nbOutput;
    // Initialisation des noeuds du NN
    delete [] node_;
    node_ = new unsigned char[nbOutput_*3];
    delete [] index_;
    index_ = new int[nbOutput_];
    // Permet de charger les poids du NN depuis un fichier ou en les initialisant aleatoirement
    if (loadFromFile) 
      {
	// Verifie si le nombre de poids donne dans le fichier est suffisant
	if (oconfig_->nnNbNodeMax < nbOutput_) 
	  {
	    std::cerr << "SegmLearn::buildNN : Nombre de nodes insuffisants dans le fichier poids" << std::endl;
	    return;
	  }
	// Charge les poids du NN et l'index des couleurs
	for (int i = 0; i<nbOutput_*3; i++)
	    node_[i] = oconfig_->node[i];
	for (int i = 0; i<nbOutput_; i++)
	    index_[i] = oconfig_->index[i];
      }
    else
      {
	//initialition des noeuds al�atoirement
	srand((unsigned)time(0));
	for(int i=0; i<nbOutput_; i++) 
	  {
	    // Remise � z�ro de l'index 
	    index_[i] = i;
	    // Regeneration de nouveaux poids
	    weightsGen (i);
	  }
      }
}


/// Entraine un reseau de neurones
void 
SegmLearn::trainNN (Img *img) 
{
    unsigned long pixelNum;
    unsigned char *tabData_;
    int numOutputMax;
    tabData_ = img->tabData_;
    delete [] freq_;
    freq_ = new int[nbOutput_];
    for(int i=0; i<nbOutput_; i++) 
	freq_[i] = 0;
    for(unsigned long i=0; i<oconfig_->nnNil; i++) 
      {
	// On choisit un pixel au hasard
	pixelNum = (unsigned long)(img->nbPixels_*(rand()/(RAND_MAX+1.0)));
	numOutputMax = findColorNN (tabData_ + pixelNum*3);
	// Mis a jour des poids
	for(int k=0; k<3; k++) 
	  {
	    // Si on est en yuv ou hsi et que c'est la composante de lum_inosite, on ajoute un poids pour affecter son influence
	    if (k == lumPos_) 
		node_[numOutputMax*3+k] = 
		    (unsigned char)(oconfig_->nnSl*(node_[numOutputMax*3+k] 
				     + oconfig_->nnSl*tabData_[pixelNum*3+k])/(1+oconfig_->nnSl));
	    // Sinon calcul normal
	    else 
		node_[numOutputMax*3+k] = 
		    (unsigned char)((node_[numOutputMax*3+k] 
				     + oconfig_->nnSl*tabData_[pixelNum*3+k])/(1+oconfig_->nnSl));
	    // Recompense pour la sortie qui travaille
	    freq_[numOutputMax]++;
	  }
	// Verification des noeuds inutiles � partir de 300 iterations
	if ((i%300) == 299)
	  {
	    for (int k=0; k < nbOutput_; k++)
	      {
		// Regeneration de nouveaux poids
		if (freq_[k] < oconfig_->nnLazyThreshold) 
		    weightsGen (k);
		// On remet le compteur a zero
		freq_[k] = 0;
	      }
	  }
      }
}


/// Renvoie le code de la couleur segmentee
/// @param *x pointeur vers un tableau contenant une valeur RGB
/// @param testOutputMax choix de l'utilisation d'un sueil maxi pour la sortie pour �viter qu'une couleur trop diff�rente soit attribuer � une autre couleur
unsigned char 
SegmLearn::findColorNN (const unsigned char *x, const bool testOutputMax) const
{
    int numOutputMax=0;
    int output[nbOutput_];
    int tmp;
    // Calcul des valeurs de sorties du NN pour ce pixel
    for(int j=0; j<nbOutput_; j++) 
      {
	output[j] = 0;
	// Parcours des 3 composantes
	for(int k=0; k<3; k++) 
	  {
	    // XXX Ne pas oublier de mettre abs si on ne calcule pas les carr�s
	    tmp = node_[j*3+k]-x[k];
	    // Si on est en yuv ou hsi et que c'est la composante de lum_inosite, on ajoute un poids pour affecter son influence
	    if (k == lumPos_) 
		//|| ((img->colorMode == Image) && k==2))
		output[j] += (int) oconfig_->nnInfluLum * tmp * tmp;
	    // Sinon calcul normal
	    else 
		output[j] += tmp * tmp;
	  }
	// On selectionne la sortie ayant la plus grande valeur comme couleur
	if (output[numOutputMax] > output[j]) 
	    numOutputMax = j;
      }
    // Test si la valeur de sortie est assez proche d'une couleur du rezo
    if ((testOutputMax) && (output[numOutputMax] > oconfig_->nnThresholdOutput))
	numOutputMax = Segm::undefined;
    return numOutputMax;
}




/// Renvoie le code de la couleur segmentee
/// @param *x pointeur vers un tableau contenant une valeur RGB
/// @param testOutputMax choix de l'utilisation d'un sueil maxi pour la sortie pour �viter qu'une couleur trop diff�rente soit attribuer � une autre couleur
unsigned char 
SegmLearn::giveColor (const unsigned char *x, const bool testOutputMax, const bool nodeProcess)
{
    if (lumPos_ >= 0) addLum (x[lumPos_]); 
    if (nodeProcess)
	return index_ [findColorNN (x, testOutputMax)];
    else
	return findColorNN (x, testOutputMax);
}