直方图比较作为“穷人的神经网络”

Question

我正在学习OpenCV的模式识别并希望实现分类器。

正如我所了解的，通常的做法是对所有输入值执行神经网络评估并输出一个决定。现在，我担心，学习NN会超出我的智力，我正在寻找一个更简单的方法。

我的问题是，是否有可能创建输入值的直方图，其中X是要素类，Y是其值，并使用简单的直方图比较做出决定？ （我的意思不是颜色直方图。）

有没有人已经应用这种方法？如果是这样，结果有多准确？

谢谢你的任何提示。

Answer 1

你所提出的确实非常类似于单层神经网络（single layer perceptron/linear classifier）。假设您的图像中有N个特征。然后，您的神经网络将具有N个输入，其中输入的值可以是特征发生的次数或特征的值/强度。

如果你只有两个类A和B，你将有一个输出节点。每个输入都通过一个重量连接到输出。那么输出就是所有加权输出的总和。如果输出超过某个阈值，您的数据可以用A类进行分类，否则就是B类。为了正确分类您的数据，您必须修改网络中的权重（这称为“培训”）。

如果你想有更多的类，你可以添加更多的输出节点。但是，您将会遇到这样的情况，即某些数据可以归类为多个类别。而且，您的网络将始终是一个线性函数逼近器。通过在两者之间添加一层，您的网络将变得更加强大！

基本的神经网络很容易。我建议你花更多的时间在维基百科上阅读它。