神经网络和图像分类

Question

我已经建立了一个实验性神经网络 - 其想法是它可以查看 JPEG 图像并识别图像的哪些部分是乐谱。

为了训练网络，我使用了各种页面图像，这些图像被切成 100 x 100 的盒子，它们的值可以是 1.0（即包含符号）或 0.0（不包含符号）。

不过，在训练网络时，它似乎已经修复了它自己 - 或多或少 - 每次提供 0.5 的结果（给出 0.25 的平方误差）。 sigmoid（逻辑）函数用于激活。

该网络有 10,000 个输入神经元（对于 100 x 100 图像的每个像素），2000 个隐藏神经元（每个输入都连接到“行”和“列”隐藏神经元）。

只有一个输出神经元。

使用两个输出神经元会得到更好的结果吗？ （即一个激活“是音乐”，一个激活“不是音乐”）。

（您可以在此处查看 C++ 源代码：https://github.com/mcmenaminadrian/musonet - 尽管在任何给定时间，公共存储库中的内容可能与我在机器上使用的不完全相同。）

Answer 1

FWIW - 实际问题是由于注释中描述的代码中的符号错误 - 所以这两层相互争斗，并且如您所料，向中间收敛。

但是......我的代码基于 1990 年代的一本书 - 被大量引用的“C++ 中的实用神经网络食谱”。这本书本身并没有错（尽管 C++ 反映了那个时代的编码风格，并且没有使用 STL 类等等），但它也确实来自一个神经网络还没有被很好理解/设计的时代今天，所以基本设计有很大缺陷。

我现在正在考虑如何最好地实现多层卷积网络——这本书根本没有讨论过（事实上，它摒弃了多层网络的想法，而是依赖于单个隐藏层 NN 是一般逼近器）。

我在单个隐藏层 NN 中得到了一些有趣的结果，但它对图像处理并不是那么有用。