使用人工神经网络识别物体 [关闭]答案

【问题标题】：Recognizing objects using artificial neural network [closed]使用人工神经网络识别物体 [关闭]
【发布时间】：2014-02-27 23:09:13
【问题描述】：

我有一个关于神经网络输入的问题！

我想识别一种叶子。

我有 3000 张不同尺寸和角度的图像。我正在使用 emgucv 和 Visual Studio 2010 C#。

首先，我将所有训练数据转换为灰度，然后将灰度图像转换为二值图像。但是为了识别叶子，我决定使用一些基于形状的方法。

这是个好主意吗？？

【问题讨论】：

【解决方案1】：

我使用神经网络和 EMGU 进行手写数字识别，也许它可以帮助你。

这是一个有监督的分类问题，因此您需要定义 3 件事（它们会影响识别的质量）：1. 类，2. 示例，3. 特征。

您必须定义类（在我的例子中，我有 10 个类：“1”、“2”、“3”、...、“9”、“0”）。在您的情况下，您可以有 2 个类（“您想要识别的叶子”VS“其他叶子”）或 N 个类（“您想要识别的叶子”VS“另一种”VS“另一种” ...)
然后你需要每个班级的例子，以便学习。在我的例子中，我每个班级使用了 10 000 张图片。
最后你需要提取特征。通常我使用形状（Zernike 或 Hu 矩）、颜色（颜色矩）和纹理（Tamura、Gabor...）。您也可以直接使用图像的像素值作为输入。如果您的特征对旋转和缩放不健壮，则规范化图像（或图像的内容）的大小和方向可能是一个好主意。

【讨论】：

首先我将像输入一样使用像素值。！我定义了 2 个类别，这是我想要识别的叶子，而不是叶子（我给出的图像包含叶子和NN 必须告诉我“那是一片叶子”，如果我给出包含岩石的图像，NN 必须告诉我“那不是一片叶子”）！当你说规范化方向时，你是什么意思？用不同角度的不同图像训练神经网络不是更好吗？？
如果你想识别的对象可以有不同的方向，你有3个解决方案：1.学习几个方向的图像，2.提取对旋转鲁棒的特征（如SIFT、Hu等）或 3. 通过预处理“标准化”方向，即处理您的图像以确保学习和训练图像具有相同的方向。
嗯我决定使用第一个解决方案！你能再解释一个问题吗？好吧，我在使用图像的每个像素作为 ANN 示例的输入之前告诉过我如果我有 2 个 10x10 的图像。输入应该是 10x10=100 x 2 图像 = 200。在这种情况下，我有 200 个输入，对吗？
不，NN 一次只能识别一张图像。如果要识别两个图像，则应使用 NN 两次。如果您的图像有 10x10 像素，则您的输入有 100 个特征/维度。你应该检查EMGU example NN
mmm 例如，如果 ANN 识别出一支笔，我怎样才能在笔所在的地方画一个矩形？？

【解决方案2】：

理想的输入数据是矩阵形式，RGB、灰度或黑白矩阵，3000 张图像中的每一张都应转换为这种数据格式。只是不要担心形状，即：离开外周边只是颜色 A 和颜色 B 之间的一系列连续局部差异（隐藏层处理此问题）。

您能否更具体地说明您选择方法的原因？试试看这个thread，关于为训练神经网络准备图像。您还可以查看Neuroph for java 作为示例，了解如何在 RGB 基础和形状基础上准备图像。

【讨论】：

哦，是的。！我阅读了您提供的链接！简单的方法是！将所有图像转换为灰度，然后转换为二进制图像，每个像素都将成为 ann 的输入，对吗？ ? .我的图像有 640x480 我应该调整为 20x20 吗？
有没有办法一次转换 3000 张图像？因为一个一个转换太浪费时间了！
图像越小，NN 上的结果越好，始终建议将用于训练的图像尺寸缩放到相同的测试尺寸以避免可能出现的问题。使用相同的颜色模式和图像尺寸进行训练和识别。如果颜色对您不重要，请使用黑白，因为训练更快。
对于转换，如果它是一段代码，您将使用什么“一个接一个”来尝试用它来批处理图像。该线程提供了如何resize images in c#，这对converting color image into black and white and then to a binary file 非常有帮助。只需将代码插入一个大 for 循环 :)
ooohh!!例如，我有一个包含叶子和背景的图像！但是叶子不会占据所有图像，所以在这种情况下，我必须裁剪图像以使叶子占据所有图像我是否正确！！