我理解神经网络是如何工作的，但如果我想将它们用于像实际字符识别这样的图像处理，我无法理解如何将图像数据输入神经网络。
我有一张A封信的大图。也许我应该尝试从图像中获取一些信息/规格，然后使用该规范的值向量？它们将成为神经网络的输入？
谁已经做过这样的事情，你能解释一下如何做到这一点吗？
答案 0 :(得分：24)
最简单的解决方案是将所有图像标准化，包括训练和测试，以获得相同的分辨率。此外，每张图像中的字符大小应相同。使用灰度图像也是个好主意，因此每个像素只能给你一个数字。然后，您可以将每个像素值用作网络的一个输入。例如，如果您有大小为16x16像素的图像，则您的网络将具有16 * 16 = 256个输入神经元。第一个神经元会看到像素的值在（0,0），第二个在（0,1），等等。基本上，您将图像值放入一个向量中，并将此向量提供给网络。这应该已经有效了。
首先从图像中提取特征（例如，边缘），然后在这些特征上使用网络，您可以提高学习速度，并使检测更加稳健。在这种情况下你做的是结合先前的知识。对于字符识别，您了解某些相关功能。因此，通过将它们作为预处理步骤提取，网络不必学习这些功能。但是，如果您提供错误的，即不相关的功能，网络将无法学习图像 - ＆gt;字符映射。
答案 1 :(得分：7)
您尝试解决的问题的名称是“feature extraction”。这显然是非平凡的，也是一个积极研究的主题。
这种简单的方法就是将图像的每个像素映射到相应的输入神经元。显然，这仅适用于尺寸相同但效果有限的图像。
除此之外，你还可以做很多事情...... Gabor过滤器，Haar式功能，PCA和ICA，稀疏功能，仅举几个流行的例子。我的建议是拿起一本关于神经网络和模式识别的教科书，特别是光学字符识别。
答案 2 :(得分：2)
关于将NN应用于图片的所有这些注意事项都在我们的2002 review paper中介绍 （基于特征，基于像素，尺度不变等）
你面临的最大挑战是所谓的“维度诅咒”。
我会将NN性能与支持向量机的性能进行比较（使用的内核很棘手）。
答案 3 :(得分：1)
您可以使用实际像素作为输入。这就是为什么有时候最好使用输入图像的较小分辨率。
ANN的优点在于它们能够以某种方式进行特征选择（通过为这些输入节点分配接近零的权重来忽略非重要像素）
答案 4 :(得分：0)
以下是一些步骤： 确保您的颜色/灰度图像是二进制图像。为此，请执行一些阈值操作。以下是某种特征提取。对于OCR / NN的东西，这个例子可能会有所帮助，尽管在ruby中： https://github.com/gbuesing/neural-net-ruby/blob/master/examples/mnist.rb