我是这个网站的新手。好吧，我正在做一个使用ANN emgucv，C＃和visual studio 2010来识别苹果的项目。我有4000个图像，包含不同的颜色和苹果的旋转。我有2个类，这意味着我在输出层有1个神经元（它是苹果而不是）。头等舱我将使用4000张苹果图像，但我不知道我必须用什么图像训练二等。我想使用房间，卧室等背景图片。这是一个好主意吗？我的项目是关于分类是不是苹果，我不想识别葡萄或其他水果。我给出一个图像，如果图像包含苹果，我想要重新标记。
答案 0 :(得分：1)
对于第二类，您需要使用不包含苹果的图像。理想情况下，它应该是不包含苹果的图像的混合，这是太空飞船，足球比赛，笑脸，动物和你能想到的任何其他东西的集合。
然而，你根本没有提到的真正问题是你将如何提取这些功能：如果你是第一次尝试这个并认为你只是提供整个图片，那么像素一样像素，进入神经网络并得到答案，你运气不好。
最重要的过程是如何创建描述图像的向量。也就是说，如何从图像创建矢量，使包含苹果的图像矢量与不包含苹果的图像矢量非常不同。
然而，这根本不是微不足道的。事实上，根据图像的性质，这可能是一项非常困难的任务。如果第一类包含显示苹果占据大部分图片的图像，而第二类只显示卧室，则只需使用颜色直方图即可。
但是，如果图像显示可能包含苹果的随机场景，则非常困难。要开始，请查看opencv 2d功能+单应性以查找已知对象。
答案 1 :(得分：1)
一些评论： 关于归一化，它是有用的，因为它使图片对照明不太敏感（没有标准化，更好的照明中的相同苹果看起来更白，并且网络将采用不同的值作为输入。您不希望这样）。但是，您使用的公式会限制区间[a，b]中变量的值。在图片中，数字的值通常已经在[0,255]中，因此需要另外一种。您需要的确切归一化类型取决于您从图片中提取的功能（最常见的一个是histogram equalization）
但是，您的主要问题是您无法将图像直接输入网络。网络必须将一些描述图片的矢量作为输入，而不是图片本身（想想这个：如果你将图片输入网络，它会逐个像素地进行比较。如果相同的苹果向右移动一个像素，所有像素值都不同，尽管图片基本相同）。
创建这样的矢量可能非常困难，具体取决于您希望如何使用它。一种简单（但有限）的方法是裁剪苹果，获取每张图片的直方图，并将描述每张图片直方图的矢量输入网络。通过这种方式，网络很可能正确地对图像进行分类。如果这是一个学校项目，或者您刚刚开始图像处理，请试试这个。但是，如果你想在图片中的某个地方找到只包含苹果的图像，那就更加复杂了，你应该查看opencv关于2d特征提取的教程。