训练神经网络

Question

我有一张图片.1200 * 1175像素。我想训练一个网（mlp或hopfield）来学习它的一个特定部分（201 * 111pixel）以节省其重量以便在新的网络中使用与之前的功能相同）只有没有训练它才能找到具体的部分。现在有这样的问题：什么样的网络是有用的; mlp或hopfield，如果mlp;隐藏层的数量; trainlm函数是无用的，因为“out内存“error.I将图片转换为二进制图像，是否有用？

Answer 1

您究竟需要哪种解决方案？用图像找到一个物体（比如“Where's Waldo”？）。目标对象是否总是具有相同的大小和方向？由于照明改变，它可能看起来不同吗？

如果您只需要在较大的图像中查找固定模式的像素，我建议使用直观的相关度量，如互相关来有效地找到它。

如果您需要解决上述任何问题，那么有两个基本解决方案：1.使用不同姿势，比例等对象的示例构建模型，以便模型能够识别任何他们或2.开发一种方法来标准化正在检查的像素块，以尽量减少这些失真的影响（如胡的不变矩）。如果没有别的办法，yuo会想要执行某种数据缩减操作来减少输入数量。从技术上讲，你也可以尝试一种不会旋转等的模型，但我不知道这些模型有多好。我怀疑他们比传统方法更温和。

Answer 2

我发现AdaBoost有助于挑选图像的重要位。那样，使用高斯滤波器将图像大小调整为非常小的（如40x30）将加快速度，并将重量放在照片的更多区域，而不是放在微不足道的像素上。