如果我理解正确的话，在训练神经网络以识别图像中的对象时，通常会将单个像素映射到单个输入层节点。然而，有时我们可能有一张只有一小部分感兴趣的大图。例如，如果我们正在训练神经网络来识别交通标志，我们可能会在图像中交通标志仅覆盖一小部分，而其余部分则被道路、树木、天空等占据。创建神经网络试图从每个位置找到交通标志似乎非常昂贵。
我的问题是，除了对图像进行预处理之外，还有什么特定的策略可以用神经网络处理这类情况吗？
谢谢。
【问题讨论】：
标签： neural-network
每个输入节点使用 1 个像素通常不完成。进入您的网络的是特征向量，因此您应该输入实际的特征，而不是原始数据。输入原始数据（包括所有噪音）不仅会导致错误的分类，而且训练时间也会超出必要的时间。
简而言之：预处理是不可避免的。您需要更抽象的数据表示。有数百种方法可以处理您提出的问题。让我给你一些流行的方法。
1) 图像处理以找到感兴趣的区域。
在检测交通标志时，一种常见的策略是使用边缘检测（即使用某些过滤器进行卷积）、应用一些启发式方法、使用阈值过滤器并隔离感兴趣的区域（斑点、强连接组件等），这些区域将作为输入网络。
2) 在没有任何先验知识或图像处理的情况下应用特征。
Viola/Jones 使用特定的图像表示，他们可以从中以非常快速的方式计算特征。他们的框架已被证明可以实时工作。 （我知道他们的原始工作没有说明 NN，但我在我的论文中将他们的功能应用于多层感知器，所以你可以将它与任何分类器一起使用，真的。）
3) 深度学习。
学习更好的数据表示可以合并到神经网络本身中。这些方法是最流行的研究 atm 之一。由于这是一个很大的话题，我只能给你一些关键词，以便你自己研究。 Autoencoders 是学习有效表示的网络。可以将它们与传统的人工神经网络一起使用。 Convolutional Neural Networks 乍一看似乎有点复杂，但值得一试。在对神经网络进行实际分类之前，它们具有交替的子窗口卷积（边缘检测）和重采样层。 CNN 目前能够在 OCR 中取得一些最好的结果。
在每种情况下，您都必须问自己：我是否 1) 为我的 ANN 提供了一个表示，该表示包含完成工作所需的所有数据（一种不太抽象的表示）以及 2) 避免过多的噪音（从而保持足够抽象）。
【讨论】：
我们通常不使用全连接网络来处理图像，因为输入层的单元数量会很大。在神经网络中，我们有专门的神经网络来处理图像，即卷积神经网络（CNN）。 然而，CNN 起着特征提取器的作用。编码后的特征最终将输入到一个充当分类器的全连接网络中。在您的情况下，我不知道您的对象与完整图像相比有多小。但是如果感兴趣的对象真的很小，即使使用CNN，图像分类的性能也不会很好。那么我们可能需要使用对象检测（使用滑动窗口）来处理它。
【讨论】：
如果你想在大尺寸图像上识别小物体，你应该使用“扫描窗口”。
对于“扫描窗口”可以应用降维方法：
【讨论】：