基于真假的图像识别的神经网络库

Question

我需要一个（简单）任务的人工神经网络库（最好是在Python中）。我想训练它，以便它可以告诉我们一件事情在图像中。我会通过喂养它大量的图片，并告诉其还判定是否包含我正在寻找或没有的事训练它：

这些映像包含这个东西，返回True （或包含它的概率事情）

这些图像不包含这个东西，返回False （或包含的东西它的概率）

这样的图书馆是否已经存在？我对人工神经网络和图像识别相当陌生;虽然我理解他们两人在原则上是如何工作的，但我发现很难为此任务寻找一个合适的图书馆，甚至在这一领域的研究已被证明是一种挫败感 - 任何有关正确方向的建议都是非常值得赞赏的。

Answer 1

Python中有几种很好的神经网络方法，包括TensorFlow，Caffe，Lasagne和sknn（Sci-kit神经网络）。 sknn提供了一个简单的开箱即用解决方案，但在我看来，定制更加困难，而且对于大型数据集可能会很慢。

需要考虑的一件事是，您是要使用CNN（卷积神经网络）还是标准的ANN。使用ANN时，大多数情况下可能需要将图像“展开”为矢量，而使用CNN则希望图像为立方体（如果是彩色的，则为正方形）。

以下是Python中的CNN上的good resource。但是，由于您并未真正在做一个多类图像分类（为此CNN是当前的黄金标准），并且做了更多的单个对象识别，您可以考虑使用转换后的图像方法，例如使用Histogram of Oriented Gradients (HOG) 。

在任何情况下，神经网络方法（尤其是使用CNN）的准确性高度依赖于成功的超参数调整。不幸的是，在给定的情况下，超参数值（图层的数量和大小，学习速率，更新规则，丢失百分比，批量大小等）是最优的还没有任何一种通用理论。因此，准备好一个良好的培训，验证和测试集设置，以适应一个强大的模型。

Answer 2

我不知道任何可以为你做到这一点的图书馆。我使用了很多Caffe，并可以给你一个解决方案，直到你找到一个可以为你做的单个库。

我希望你对ImageNet有所了解，并且Caffe有基于ImageNet的trained model。

这里的理念是：

• 定义什么是the object。说object = "laptop"。
• 当object在output labels中时，使用Caffe的ImageNet训练模型，更改代码以显示所需的输出（您提到TRUE或FALSE）。

这是我写的ImageNet tutorial的链接。

这里是你可以尝试什么：

• 看看here。这是我在预测引擎中使用的ImageNet程序的精简版本。
• 在第80行中，您将获得排名前1的预测输出标签。在第86行，你会得到前5名预测标签。写一行代码来检查object是否在output_label中，并根据它返回TRUE或FALSE。

我明白你正在寻找一个特定的图书馆，我会寻找它，但这是我会在开始时尝试的。