如何选择在人脸识别中使用BP网络的节点数量？

Question

我读了一些书，但仍不能确定我应该如何组织网络。例如，我有大小为120 * 100的pgm图像，输入应该如何（像一个尺寸为120 * 100的一维数组）？以及我应该调整多少个节点。

Answer 1

通常最好将输入图像组织为2D矩阵。原因在于机器感知任务中使用的神经网络较低层的层通常是局部连接的。例如，这种神经网络的第一层的每个神经元将仅处理输入图像的小NxN片的像素。这自然导致2D结构，其可以用2D矩阵更容易地描述。

有关详细的解释，我将向您介绍DeepFace论文，其中描述了人脸识别系统中的艺术状态。

Answer 2

120 * 100一维向量是罚款。该向量中的像素值的位置并不重要，因为无论如何，所有节点都与下一层中的节点完全连接。但是你必须在培训，验证和测试之间保持一致。

Answer 3

迄今为止最成功的方法是使用带有2D输入的卷积神经网络，就像@benoitsteiner所说的那样。对于一个更简单的例子，我会参考LeNet-5，一个为MNIST手写数字识别开发的小型神经网络。它在EBLearn中用于人脸识别，效果相当不错。