用图像训练的人工神经网络

Question

我有兴趣使用Microsoft Kinect创建一个能像笔一样检测物体的软件。我回忆了100张正面照片和200张负面照片，以便通过人工神经网络拍摄。我的问题是：如何将这些图像转换为ANN的输入？我猜最后一层有一个神经元，因为一个输出是否是笔，我猜输入也是一个，我想总共使用3层。但我不知道我是否应该将矩阵中的正面和负面图像转换成图像，或者我能做些什么？

Answer 1

首先，欢迎来到Stackoverflow！

我从来没有亲自处理使用Kinect进行图像识别，但是如果可能的话，您应该将图像缩小到相当合理的大小，例如100x100，以便它仍然可以管理。

您还应该尝试将图像转换为grayscale，因为这也有助于提高计算效率和开发时间，并且比RGB更容易开始使用。

输入层将不是是1，这是给定的。如果我们指的是尺寸为100x100的图片，则输入的总数应为10000，每个像素一个。请记住，您正试图尽可能细化数据，以便ANN可以检测数据中的模式。

输出层实际上应该有2 neurons，并有一个很好的理由。请记住，每个输出神经元正在测量输入属于相应类别的可能性。通过拥有2个神经元，每个神经元可以代表积极的类（是的，这是一支笔）或负面的类（不，这不是笔）。因此，通过拥有2个神经元，您可以获得图像属于该类的概率，然后您可以选择最高值作为答案。

3总层数应该足够了，你可能永远不需要更多。有一些非常好的文章可供您确定要使用的图层数量，例如this one 我希望这有助于您！如果您还有其他问题，请告诉我。