我有兴趣创建一个使用Microsoft Kinect检测像笔这样的对象的软件。我记得100张正面图像和200张负面图像，以便通过人工神经网络拍摄。我的问题是：如何将这些图像转换为ANN的输入？我猜最后一层有一个神经元，因为一个输出是否是笔，我猜输入也是一个我想要总共使用3层。但我不知道我是否应该在矩阵中转换正负图像，或者我该怎么办？
答案 0 :(得分：4)
首先，欢迎使用Stackoverflow！
我从来没有亲自处理过使用Kinect进行图像识别的问题，但是如果可能的话，你应该将图像缩小到一个相当合理的大小，例如100x100，这样它仍然可以管理。
您还应尝试将图像转换为grayscale，因为这也有助于计算效率，开发时间，并且比RGB更容易启动。
输入图层不为1，这是给定的。如果我们指的是尺寸为100x100的图像，则输入总数应为10000，每个像素一个。请记住，您正试图尽可能精细地分解数据，以便ANN可以检测数据中的模式。
输出层实际上应该有2 neurons，这是有充分理由的。请记住，每个输出神经元都在测量输入属于相应类的可能性。通过拥有2个神经元，每个神经元可以代表正类（是，这是笔）或负类（不，这不是笔）。因此，通过拥有2个神经元，您可以获得图像属于该类的概率，然后您可以选择最高值作为答案。
3总层数应该足够，你可能永远不需要更多。有一些非常好的文章可供您确定要使用的图层数量，例如this one 我希望这有帮助！如果您有任何其他问题，请与我们联系。