嗨wlel我正在做一个项目，用emgucv C＃visual studio 2010识别笔。我有一个关于ANN的问题。我必须训练ANN才能识别笔。所以我在输出层有一个神经元用于两个分类（一支笔或不用笔）所以我训练人工神经网络有1100个笔的图像，我的问题是：我是否需要训练人工神经网络用任何不是第二类笔的图像（第一堂课是钢笔）或者如果我展示的是ANN没有经过训练的图像，ANN会认为这不是笔吗？
答案 0 :(得分：1)
正如@Beaker指出的那样，它将假设一切都是笔。但是，您可以使用输出级别来预测笔的可能性。但你真正想要做的是用笔和非笔来训练它。您可能还会看到2个输出节点的性能更好，一个用于笔，一个用于非笔。这通常是人们进行NN分类的方式，尽管使用单一分类应该有效。请注意，您选择的激活函数将指导节点之间的输入和输出范围（sigmoid预期为0-1，tanh -1为1）。此外，网络的级别数和每个隐藏层中的神经元数量可以产生很大的差异。确保至少有一个隐藏图层。如果只有输入和输出层，则不太可能表现良好。
我会使用随机对象的一些在线图像来训练负面情况，如果你没有。但是，由于您似乎已经考虑到了这一点，因此将图像与训练后使用的图像接近时会产生更好的性能。