神经网络图像分类

Question

我想使用神经网络实现图片分类。我想知道从图片中选择功能的方法以及要使用的隐藏单元或图层的数量。

现在我想知道将图像的大小更改为50x50或更小，以便功能的数量更少，并且所有输入都具有恒定的大小。功能将是每个像素的RGB值。是否会没事或还有其他更好的办法吗？

此外，我决定使用1个隐藏层，其数量为输入中的一半。我可以更改数字以获得更好的结果。或者我需要更多图层？

Answer 1

50x50图像特征矩阵是具有RGB值的2500个特征。您的神经网络可能会记住这一点，但很可能在其他图像上表现不佳。

因此，这类问题更多地是关于图像处理，特征提取。您的功能将根据您的要求而变化。见similar question about image processing and neural networks

1层网络只适用于线性问题，你确定你的问题是线性的吗？否则你将需要多层神经网络

Answer 2

有许多神经网络成功学习的图像数据集，如

• MNIST（这里有很多文章链接）
• NORB
• 和CIFAR-10/100。

不是说你需要很多训练样例。通常一个隐藏层就足够了。但是很难确定“正确”数量的神经元。有时，隐藏神经元的数量甚至应该大于输入数量。当您使用2个或更多隐藏层时，通常需要较少的隐藏节点，并且训练将更快。但是当你需要很多隐藏层时，很难在第一层训练权重。

一种专门为图像设计的神经网络是卷积神经网络。它们通常比多层感知器工作得更好，而且速度更快。