About BBS

機械学習 リファレンス マニュアル

最終変更者: 怡土順一, 最終変更リビジョン: 467, 最終変更日時: 2009-06-23 14:23:34 +0900 (火, 23 6月 2009)


ブースティング(Boosting)

一般的な機械学習のタスクは,次のような教師あり学習である. 入力と出力の学習データ集合が与えられたときに,未観測の入力サンプル xに対する出力 y を予測する. つまり,入力 x と出力 y の間の関係を表す関数F: y = F(x) を学習することが目的である.定性的な出力予測が分類と呼ばれるのに対して,定量的な出力予測は回帰と呼ばれる.

ブースティングは教師あり分類の学習タスクを解決する強力な学習概念であり,たくさんの「弱い」分類器の能力を結合することで, 強力な「コミッティ」[HTF01] を構成する. 弱い分類器は,偶然よりもましな性能を持っていれば良いため,非常にシンプルで計算コストの小さいものである. しかし,これらの多くを上手く結合することで,強力な分類器が構成できる.これは,SVM や ニューラルネットワーク等の「一つの」強力な分類器よりも良い性能を示すことも多い.

決定木は,ブースティングの枠組みに用いられる最も有名な弱い分類器である.一つの木に一つの分類ノードしかない,最も単純な決定木(stump と呼ばれる)で十分な場合が多い.

ブーストされたモデルの学習は,N 個の学習サンプル {(xi,yi,)}1N(ここで,xiRKyi ∈ {−1, +1})に基づいている. xi は,K 個の成分をもつベクトルである. それぞれの弱い分類器(コンポーネント)は,現在の学習タスクに関連する特徴をエンコードする.目的の二つのクラスは,−1 と +1 にエンコードされる.

ブースティングの変形として,Discrete Adaboost,Real AdaBoost,LogitBoost,Gentle AdaBoost[FHT98] などが知られている. これらは全て,全体的な構造が非常に似ているので,以下で説明する標準的な2クラスの Discrete AdaBoost についてのみ見ることにする. 初期状態では,各サンプルに対して同一の重みが与えられる(step 2). 次に,弱い分類器 fm(x) が重み付き学習データを用いて学習される(step 3-1). 重み付き学習誤差とスケーリングファクター cmが計算される(step 3-2). 分類に失敗した学習サンプルの重みが増加する(step 3-3). そして,重みが正規化され,次の弱い分類器を求める処理がまた M-1 回繰り返される. 最終的な分類器 F(x) は,個々の弱い分類器出力の重み付き和の符号を出力とする(step 4).

  1. N 個のサンプルが与えられる {(xi,yi)}1N with xiRK, yi ∈ {−1, +1}.
  2. 重みを付ける wi = 1/N, i = 1,…,N
  3. 繰り返し m = 1,2,…,M:
    1. 分類器 fm(x) ∈ {−1,1}を 重み wi 付きの学習データを用いて学習する.
    2. errm = Ew [1(yfm(x))], cm = log((1 − errm)/errm) を計算する.
    3. wiwi exp[cm 1(yifm(xi))], i = 1,2,…,N, となるように各重みを設定し,さらに ∑i wi = 1 となるように再び正規化する.
  4. 分類器の出力 [∑ m = 1M cm fm(x)] の符号.
2クラスの Discrete AdaBoost アルゴリズム:学習(step 1 から 3)と分類(step 4)

注釈: 古典的ブースティング手法と同様に,現在の実装でも2クラス分類器だけをサポートしている. M>2 のクラスに対しては,[FHT98] で述べられる AdaBoost.MH アルゴリズムが存在する.これは,かなり多くの学習データ集合が必要ではあるものの,問題を2クラス問題に帰着する.

精度を大きく下げることなくブーストモデルの計算時間を減らすために,影響力を考慮したトリミング(influence trimming technique)が用いられることがある. 学習アルゴリズムが進むにつれて集合の決定木の数が増加すると,多くの学習サンプルが正しく分類されて信頼度が増す. その結果,それらのサンプルは以降の繰り返し計算において小さい重みが付けられる.相対的な重みが非常に小さいサンプルは,弱い学習器の学習においてほとんど影響を与えない. よって,このようなサンプルは弱い学習器の学習中に排除されるが,最終的に生成される分類器にあまり影響を与えない. この処理は,パラメータ weight_trim_rate によりコントロールされる.全重みに対して上位 weight_trim_rate の割合を占める重みをもつサンプルだけが,弱い分類器の学習に利用される.全ての学習サンプルに対する重みは,各学習の反復毎に再計算される事に注意する. ある繰り返しにおいて削除されたサンプルも,別の弱い学習器の学習においては再利用されるかもしれない [FHT98].

[HTF01] Hastie, T., Tibshirani, R., Friedman, J. H. The Elements of Statistical Learning: Data Mining, Inference, and Prediction. Springer Series in Statistics. 2001.

[FHT98] Friedman, J. H., Hastie, T. and Tibshirani, R. Additive Logistic Regression: a Statistical View of Boosting. Technical Report, Dept. of Statistics, Stanford University, 1998.


CvBoostParams

ブースティングの学習パラメータ

struct CvBoostParams : public CvDTreeParams
{
    int boost_type;
    int weak_count;
    int split_criteria;
    double weight_trim_rate;

    CvBoostParams();
    CvBoostParams( int boost_type, int weak_count, double weight_trim_rate,
                   int max_depth, bool use_surrogates, const float* priors );
};

boost_type
ブースティングの種類.は以下のいずれかである.
CvBoost::DISCRETE - Discrete AdaBoost
CvBoost::REAL - Real AdaBoost
CvBoost::LOGIT - LogitBoost
CvBoost::GENTLE - Gentle AdaBoost
この内,よく利用されるのが Gentle AdaBoost と Real AdaBoost である.
weak_count
構築する弱い分類器の個数.
split_criteria
弱い木を構築するときの最適分岐を選択する際に用いられる分岐規則.
CvBoost::DEFAULT - 個々のブースティング手法におけるデフォルト規則(後述)を用いる.
CvBoost::GINI - ジニ指標(Gini index)を用いる.これはReal AdaBoost のデフォルトオプションである.Discrete AdaBoost でも用いられることがある.
CvBoost::MISCLASS - 誤判別率を用いる.これはDiscrete AdaBoost のデフォルトオプションである.Real AdaBoost でも用いられることがある.
CvBoost::SQERR - 最小二乗基準を用いる.これは LogitBoost および Gentle AdaBoost で用いられるデフォルトかつ唯一のオプションである.
weight_trim_rate
トリミング重み比率.0..1 の範囲内.前述の注釈を参照. もしこのパラメータが ≤0 あるいは >1 の場合,トリミングは行われず,全てのサンプルが各繰り返し計算で用いられる.デフォルト値は 0.95 である.

この構造体は,CvDTreeParams から派生するが, 全ての決定木パラメータがサポートされるわけではない.具体的には,交差検証法がサポートされていない.


CvBoostTree

弱い決定木クラス

class CvBoostTree: public CvDTree
{
public:
    CvBoostTree();
    virtual ~CvBoostTree();

    virtual bool train( CvDTreeTrainData* _train_data,
                        const CvMat* subsample_idx, CvBoost* ensemble );
    virtual void scale( double s );
    virtual void read( CvFileStorage* fs, CvFileNode* node,
                       CvBoost* ensemble, CvDTreeTrainData* _data );
    virtual void clear();

protected:
    ...
    CvBoost* ensemble;
};

ブーストされた分類器 CvBoost の要素である弱い決定木(弱い分類器)は,CvDTree から派生する. 通常,弱い決定木をユーザが直接使う必要はないが,シーケンス CvBoost::weak の要素としてのアクセスや, CvBoost::get_weak_predictorsによる取り出しが可能である.

LogitBoost および Gentle AdaBoost の場合,それぞれの弱い決定木は,分類木ではなく回帰木となることに注意する. Discrete AdaBoost と Real AdaBoost の場合でも,戻り値(CvBoostTree::predict)は出力クラスラベルではない. クラス番号 0 に対しては,正の値が「投票」され,クラス番号 1 に対しては負の値が投票される. そして,その投票に重み付けがなされる.個々の木の重みは,CvBoostTree::scale メソッドにより増減される. method CvBoostTree::scale.


CvBoost

ブーストされた分類器クラス

class CvBoost : public CvStatModel
{
public:
    // ブースティングの種類
    enum { DISCRETE=0, REAL=1, LOGIT=2, GENTLE=3 };

    // 分割基準
    enum { DEFAULT=0, GINI=1, MISCLASS=3, SQERR=4 };

    CvBoost();
    virtual ~CvBoost();

    CvBoost( const CvMat* _train_data, int _tflag,
             const CvMat* _responses, const CvMat* _var_idx=0,
             const CvMat* _sample_idx=0, const CvMat* _var_type=0,
             const CvMat* _missing_mask=0,
             CvBoostParams params=CvBoostParams() );

    virtual bool train( const CvMat* _train_data, int _tflag,
             const CvMat* _responses, const CvMat* _var_idx=0,
             const CvMat* _sample_idx=0, const CvMat* _var_type=0,
             const CvMat* _missing_mask=0,
             CvBoostParams params=CvBoostParams(),
             bool update=false );

    virtual float predict( const CvMat* _sample, const CvMat* _missing=0,
                           CvMat* weak_responses=0, CvSlice slice=CV_WHOLE_SEQ,
                           bool raw_mode=false ) const;

    virtual void prune( CvSlice slice );

    virtual void clear();

    virtual void write( CvFileStorage* storage, const char* name );
    virtual void read( CvFileStorage* storage, CvFileNode* node );

    CvSeq* get_weak_predictors();
    const CvBoostParams& get_params() const;
    ...

protected:
    virtual bool set_params( const CvBoostParams& _params );
    virtual void update_weights( CvBoostTree* tree );
    virtual void trim_weights();
    virtual void write_params( CvFileStorage* fs );
    virtual void read_params( CvFileStorage* fs, CvFileNode* node );

    CvDTreeTrainData* data;
    CvBoostParams params;
    CvSeq* weak;
    ...
};

CvBoost::train

ブーストされた分類器の学習

bool CvBoost::train(const CvMat* _train_data, int _tflag,
             const CvMat* _responses, const CvMat* _var_idx=0,
             const CvMat* _sample_idx=0, const CvMat* _var_type=0,
             const CvMat* _missing_mask=0,
             CvBoostParams params=CvBoostParams(),
             bool update=false );

このTrainメソッドは共通のテンプレートに従い,最後のパラメータ update は,その分類器をアップデートする必要がある (つまり,新しい弱い分類木が既にある集合に加えられる)か,あるいは,その分類器を最初から作り直すかを指定する. 応答は,カテゴリ変数でなければならず,二つのクラスが存在するべきである.つまり,ブーストされた分類器は,回帰にはつかえない.


CvBoost::predict

入力サンプルに対する応答を予測する

float CvBoost::predict(const CvMat* sample, const CvMat* missing=0,
                        CvMat* weak_responses=0, CvSlice slice=CV_WHOLE_SEQ,
                        bool raw_mode=false ) const;

sample
入力サンプル.
missing
データ欠損マスク(オプション). データ欠損を扱うためには,弱い決定木が代理分岐を含まなければならない(CvDTreeParams::use_surrogates を参照).
weak_responses
個々の弱い決定木からの応答の出力パラメータ(オプション)で,これは浮動小数点型ベクトルである. ベクトルの要素数は,slice 長と等しくなければならない.
slice
予測に用いられる弱い決定木シーケンスの連続的部分集合(スライス).デフォルトでは,全ての弱い分類器が用いられる.
raw_mode
CvDTree::predict と同じ意味.通常は false となるべきである.

メソッド CvBoost::predict は,決定木の集合にサンプルを入力し,重み付き投票に基づく出力クラスラベルを返す.


CvBoost::prune

指定された弱い決定木を削除する

void CvBoost::prune(CvSlice slice );

このメソッドは指定された弱い決定木をシーケンスから削除する. 個々の決定木における刈り込み(これは現在サポートされていない)と混同しないように注意すること.


CvBoost::get_weak_predictors

弱い分類器のシーケンスを返す

CvSeq* CvBoost::get_weak_predictors();

このメソッドは弱い分類木のシーケンスを返す.シーケンスの各要素は CvBoostTree クラス(あるいはその派生クラス)へのポインタである.

OpenCV-1.0 リファレンス マニュアル
OpenCV-1.1pre リファレンス マニュアル
OpenCVサンプルコード


CV_ASSERT
CV_CALL
CV_CHECK
CV_CMP
CV_ERROR
CV_FUNCNAME
CV_GET_SEQ_ELEM
CV_GRAPH_EDGE_FIELDS
CV_GRAPH_FIELDS
CV_GRAPH_VERTEX_FIELDS
CV_IABS
CV_IMAGE_ELEM
CV_IMAX
CV_IMIN
CV_NODE_HAS_NAME
CV_NODE_IS_COLLECTION
CV_NODE_IS_EMPTY
CV_NODE_IS_FLOW
CV_NODE_IS_INT
CV_NODE_IS_MAP
CV_NODE_IS_REAL
CV_NODE_IS_SEQ
CV_NODE_IS_STRING
CV_NODE_IS_USER
CV_NODE_SEQ_IS_SIMPLE
CV_QUADEDGE2D_FIELDS
CV_RGB
CV_SEQUENCE_FIELDS
CV_SET_FIELDS
CV_SIGN
CV_SUBDIV2D_FIELDS
CV_SUBDIV2D_POINT_FIELDS
CV_SWAP
CV_TREE_NODE_FIELDS
CV_TURN_ON_IPL_COMPATIBILITY
EXIT
MAX
MIN
OPENCV_ASSERT
OPENCV_CALL
OPENCV_ERRCHK
OPENCV_ERROR
__BEGIN__
__END__

CvANN_MLP
CvANN_MLP_TrainParams
CvANN_MLP::create
CvANN_MLP::train
CvArr
CvAttrList
CvBoost
CvBoostParams
CvBoostTree
CvBoost::get_weak_predictors
CvBoost::predict
CvBoost::prune
CvBoost::train
CvBox2D
CvCapture
CvConDensation
CvConnectedComp
CvConvexityDefect
CvDTree
CvDTreeNode
CvDTreeParams
CvDTreeSplit
CvDTreeTrainData
CvDTree::predict
CvDTree::train
CvEM
CvEMParams
CvEM::train
CvFileNode
CvFileStorage
CvGraph
CvGraphScanner
CvHMM
CvImgObsInfo
CvHaarClassifier
CvHaarClassifierCascade
CvHaarFeature
CvHaarStageClassifier
CvHistogram
CvKNearest
CvKNearest::find_nearest
CvKNearest_train
CvKalman
CvMat
cvMatMul
cvMatMulAdd
CvMatND
CvMemBlock
CvMemStorage
CvMemStoragePos
CvNormalBayesClassifier
CvNormalBayesClassifier::predict
CvNormalBayesClassifier::train
CvPoint
CvPoint2D32f
CvPoint2D64f
CvPoint3D32f
CvPoint3D64f
CvQuadEdge2D
CvRTParams
CvRTrees
CvRTrees::get_proximity
CvRTrees::get_var_importance
CvRTrees::predict
CvRTrees::train
CvRect
CvSVM
CvSVMParams
CvSVM::get_support_vector
CvSVM::train
CvScalar
CvSeq
CvSeqBlock
CvSet
CvSize
CvSize2D32f
CvSlice
CvSparseMat
CvStatModel
CvStatModel::CvStatModel
CvStatModel::clear
CvStatModel::CvStatModel(data)
CvStatModel::~CvStatModel
CvStatModel::load
CvStatModel::predict
CvStatModel::read
CvStatModel::save
CvStatModel::train
CvStatModel::write
CvSubdiv2D
CvSubdiv2DPoint
CvTermCriteria
CvTreeNodeIterator
CvTypeInfo
IplImage
RTreesOOBerror

cv2DRotationMatrix
cv3dTrackerCalibrateCameras
cv3dTrackerLocateObjects
cvAbsDiff
cvAbsDiffS
cvAcc
cvAdaptiveThreshold
cvAdd
cvAddS
cvAddWeighted
cvAlloc
cvAnd
cvAndS
cvApproxChains
cvApproxPoly
cvArcLength
cvAvg
cvAvgSdv
cvBackProjectPCA
cvBoundingRect
cvBoxPoints
cvCalcBackProject
cvCalcBackProjectPatch
cvCalcCovarMatrix
cvCalcCovarMatrixEx
cvCalcDecompCoeff
cvCalcEMD2
cvCalcEigenObjects
cvCalcGlobalOrientation
cvCalcHist
cvCalcImageHomography
cvCalcMotionGradient
cvCalcOpticalFlowBM
cvCalcOpticalFlowHS
cvCalcOpticalFlowLK
cvCalcOpticalFlowPyrLK
cvCalcPCA
cvCalcPGH
cvCalcProbDensity
cvCalcSubdivVoronoi2D
cvCalibrateCamera2
cvCamShift
cvCanny
cvCartToPolar
cvCbrt
cvCheckArr
cvCheckContourConvexity
cvCircle
cvClearGraph
cvClearHist
cvClearMemStorage
cvClearND
cvClearSeq
cvClearSet
cvClearSubdivVoronoi2D
cvClipLine
cvClone
cvCloneGraph
cvCloneImage
cvCloneMat
cvCloneMatND
cvCloneSeq
cvCloneSparseMat
cvCmp
cvCmpS
cvCompareHist
cvComputeCorrespondEpilines
cvConDensInitSampleSet
cvConDensUpdateByTime
cvContourArea
cvContourFromContourTree
cvConvert
cvConvertImage
cvConvertPointsHomogenious
cvConvertScale
cvConvertScaleAbs
cvConvexHull2
cvConvexityDefects
cvCopy
cvCopyHist
cvCopyMakeBorder
cvCornerEigenValsAndVecs
cvCornerHarris
cvCornerMinEigenVal
cvCountNonZero
cvCreate2DHMM
cvCreateCameraCapture
cvCreateChildMemStorage
cvCreateConDensation
cvCreateContourTree
cvCreateData
cvCreateFileCapture
cvCreateGraph
cvCreateGraphScanner
cvCreateHist
cvCreateImage
cvCreateImageHeader
cvCreateKalman
cvCreateMat
cvCreateMatHeader
cvCreateMatND
cvCreateMatNDHeader
cvCreateMemStorage
cvCreateObsInfo
cvCreatePOSITObject
cvCreateSeq
cvCreateSet
cvCreateSparseMat
cvCreateStructuringElementEx
cvCreateSubdivDelaunay2D
cvCreateTrackbar
cvCreateVideoWriter
cvCrossProduct
cvCvtColor
cvCvtScale
cvCvtSeqToArray
cvDCT
cvDFT
cvDecRefData
cvDeleteMoire
cvDestroyAllWindows
cvDestroyWindow
cvDet
cvDilate
cvDistTransform
cvDiv
cvDotProduct
cvDrawChessBoardCorners
cvDrawContours
cvDynamicCorrespondMulti
cvEViterbi
cvEigenDecomposite
cvEigenProjection
cvEigenVV
cvEllipse
cvEllipse2Poly
cvEllipseBox
cvEndFindContours
cvEndWriteSeq
cvEndWriteStruct
cvEqualizeHist
cvErode
cvError
cvErrorStr
cvEstimateHMMStateParams
cvEstimateObsProb
cvEstimateTransProb
cvExp
cvFastArctan
cvFillConvexPoly
cvFillPoly
cvFilter2D
cvFindChessboardCorners
cvFindContours
cvFindCornerSubPix
cvFindExtrinsicCameraParams2
cvFindFundamentalMat
cvFindGraphEdge
cvFindGraphEdgeByPtr
cvFindHomography
cvFindNearestPoint2D
cvFindNextContour
cvFindRuns
cvFindStereoCorrespondence
cvFindType
cvFirstType
cvFitEllipse2
cvFitLine2D
cvFlip
cvFloodFill
cvFlushSeqWriter
cvFree
cvGEMM
cvGet1D
cvGet2D
cvGet3D
cvGetND
cvGetAffineTransform
cvGetCaptureProperty
cvGetCentralMoment
cvGetCol
cvGetCols
cvGetDiag
cvGetDims
cvGetElemType
cvGetErrMode
cvGetErrStatus
cvGetFileNode
cvGetFileNodeByName
cvGetFileNodeName
cvGetGraphVtx
cvGetHashedKey
cvGetHistValue_1D
cvGetHistValue_2D
cvGetHistValue_3D
cvGetHistValue_nD
cvGetHuMoments
cvGetImage
cvGetImageCOI
cvGetImageROI
cvGetMat
cvGetMinMaxHistValue
cvGetModuleInfo
cvGetNextSparseNode
cvGetNormalizedCentralMoment
cvGetNumThreads
cvGetOptimalDFTSize
cvGetPerspectiveTransform
cvGetQuadrangleSubPix
cvGetRawData
cvGetReal1D
cvGetReal2D
cvGetReal3D
cvGetRealND
cvGetRectSubPix
cvGetRootFileNode
cvGetRow
cvGetRows
cvGetSeqElem
cvGetSeqReaderPos
cvGetSetElem
cvGetSize
cvGetSpatialMoment
cvGetSubRect
cvGetTextSize
cvGetThreadNum
cvGetTickCount
cvGetTickFrequency
cvGetTrackbarPos
cvGetWindowHandle
cvGetWindowName
cvGoodFeaturesToTrack
cvGrabFrame
cvGraphAddEdge
cvGraphAddEdgeByPtr
cvGraphAddVtx
cvGraphEdgeIdx
cvGraphRemoveEdge
cvGraphRemoveEdgeByPtr
cvGraphRemoveVtx
cvGraphRemoveVtxByPtr
cvGraphVtxDegree
cvGraphVtxDegreeByPtr
cvGraphVtxIdx
cvGuiBoxReport
cvHaarDetectObjects
cvHoughCircles
cvHoughLines2
cvImgToObs_DCT
cvInRange
cvInRangeS
cvIncRefData
cvInitFont
cvInitImageHeader
cvInitLineIterator
cvInitMatHeader
cvInitMatNDHeader
cvInitMixSegm
cvInitSparseMatIterator
cvInitSystem
cvInitTreeNodeIterator
cvInitUndistortMap
cvInpaint
cvInsertNodeIntoTree
cvIntegral
cvInvSqrt
cvInvert
cvIsInf
cvIsNaN
cvKMeans2
cvKalmanCorrect
cvKalmanPredict
cvLUT
cvLaplace
cvLine
cvLoad
cvLoadHaarClassifierCascade
cvLoadImage
cvLog
cvLogPolar
cvMahalanobis
cvMakeAlphaScanlines
cvMakeHistHeaderForArray
cvMakeScanlines
cvMakeSeqHeaderForArray
cvMat
cvMatchContourTrees
cvMatchShapes
cvMatchTemplate
cvMax
cvMaxRect
cvMaxS
cvMeanShift
cvMemStorageAlloc
cvMemStorageAllocString
cvMerge
cvMin
cvMinAreaRect2
cvMinEnclosingCircle
cvMinMaxLoc
cvMinS
cvMixChannels
cvMixSegmL2
cvMoments
cvMorphEpilinesMulti
cvMorphologyEx
cvMoveWindow
cvMul
cvMulSpectrums
cvMulTransposed
cvMultiplyAcc
cvNamedWindow
cvNextGraphItem
cvNextTreeNode
cvNorm
cvNormalize
cvNormalizeHist
cvNot
cvNulDevReport
cvOpenFileStorage
cvOr
cvOrS
cvPOSIT
cvPerspectiveTransform
cvPointPolygonTest
cvPointSeqFromMat
cvPolarToCart
cvPolyLine
cvPostWarpImage
cvPow
cvPreCornerDetect
cvPrevTreeNode
cvPreWarpImage
cvProjectPCA
cvProjectPoints2
cvPtr1D
cvPtr2D
cvPtr3D
cvPtrND
cvPutText
cvPyrDown
cvPyrMeanShiftFiltering
cvPyrSegmentation
cvPyrUp
cvQueryFrame
cvQueryHistValue_1D
cvQueryHistValue_2D
cvQueryHistValue_3D
cvQueryHistValue_nD
cvRNG
cvRandArr
cvRandInt
cvRandReal
cvRandShuffle
cvRange
cvRead
cvReadByName
cvReadChainPoint
cvReadInt
cvReadIntByName
cvReadRawData
cvReadRawDataSlice
cvReadReal
cvReadRealByName
cvReadString
cvReadStringByName
cvRectangle
cvRedirectError
cvReduce
cvRegisterModule
cvRegisterType
cvRelease
cvRelease2DHMM
cvReleaseCapture
cvReleaseConDensation
cvReleaseData
cvReleaseFileStorage
cvReleaseGraphScanner
cvReleaseHaarClassifierCascade
cvReleaseHist
cvReleaseImage
cvReleaseImageHeader
cvReleaseKalman
cvReleaseMat
cvReleaseMatND
cvReleaseMemStorage
cvReleaseObsInfo
cvReleasePOSITObject
cvReleaseSparseMat
cvReleaseStructuringElement
cvReleaseVideoWriter
cvRemap
cvRemoveNodeFromTree
cvRepeat
cvResetImageROI
cvReshape
cvReshapeMatND
cvResize
cvResizeWindow
cvRestoreMemStoragePos
cvRetrieveFrame
cvRodrigues2
cvRound
cvRunHaarClassifierCascade
cvRunningAvg
cvSVBkSb
cvSVD
cvSampleLine
cvSave
cvSaveImage
cvSaveMemStoragePos
cvScale
cvScaleAdd
cvSegmentMotion
cvSeqElemIdx
cvSeqInsert
cvSeqInsertSlice
cvSeqInvert
cvSeqPartition
cvSeqPop
cvSeqPopFront
cvSeqPopMulti
cvSeqPush
cvSeqPushFront
cvSeqPushMulti
cvSeqRemove
cvSeqRemoveSlice
cvSeqSearch
cvSeqSlice
cvSeqSort
cvSet
cvSet1D
cvSet2D
cvSet3D
cvSetND
cvSetAdd
cvSetCaptureProperty
cvSetData
cvSetErrMode
cvSetErrStatus
cvSetHistBinRanges
cvSetIPLAllocators
cvSetIdentity
cvSetImageCOI
cvSetImageROI
cvSetImagesForHaarClassifierCascade
cvSetMemoryManager
cvSetMouseCallback
cvSetNew
cvSetNumThreads
cvSetReal1D
cvSetReal2D
cvSetReal3D
cvSetRealND
cvSetRemove
cvSetRemoveByPtr
cvSetSeqBlockSize
cvSetSeqReaderPos
cvSetTrackbarPos
cvSetZero
cvShowImage
cvSmooth
cvSnakeImage
cvSobel
cvSolveCubic
cvSplit
cvSqrt
cvSquareAcc
cvStartAppendToSeq
cvStartFindContours
cvStartNextStream
cvStartReadChainPoints
cvStartReadRawData
cvStartReadSeq
cvStartWriteSeq
cvStartWriteStruct
cvStdErrReport
cvSub
cvSubRS
cvSubS
cvSubdiv2DEdgeDst
cvSubdiv2DEdgeOrg
cvSubdiv2DGetEdge
cvSubdiv2DLocate
cvSubdiv2DRotateEdge
cvSubdivDelaunay2DInsert
cvSubstituteContour
cvSum
cvThreshHist
cvThreshold
cvTrace
cvTransform
cvTranspose
cvTreeToNodeSeq
cvTypeOf
cvUndistort2
cvUniformImgSegm
cvUnregisterType
cvUpdateMotionHistory
cvUseOptimized
cvWaitKey
cvWarpAffine
cvWarpPerspective
cvWatershed
cvWrite
cvWriteComment
cvWriteFileNode
cvWriteFrame
cvWriteInt
cvWriteRawData
cvWriteReal
cvWriteString
cvXor
cvXorS
cvmGet
cvmSet
error_handling_sample
error_macros