我一直在探索通过神经网络进行图像识别。经过一番研究,我开始使用Encog和他们的“ImageNeuralNetwork.java”示例。神经网络训练标准:如何训练多个类别(即形状和颜色)没有过度训练
在他们的例子,它们使用一个图像每美国货币硬币(便士,硬币等)作为训练集,然后相应地确定硬币的给定图像。
现在我想用他们的例子作为一个起点来练习不同的图像。我试图使用形状/颜色作为训练。例如,我想让程序识别红色圆圈和红色矩形之间的区别,但我也想知道红色圆圈和蓝色圆圈之间的区别。
看完记得,你不应该过度的火车,给训练图像的每一个可能的组合(如在这种情况下给予2个不同颜色的圆圈和2个不同颜色的矩形的4个图像)。
我仍然可以使用Encog的硬币识别示例来训练多个类别(形状和颜色)还是这是另一个概念?如果不提供所有可能的颜色/形状组合并因此过度训练,是否可以提供特定的最少数量的训练图像?
我结束了使用两个网络,一个用于形状,一个用于颜色。我的例子都使用Encog 100%准确。 –