训练神经网络以确定彩色图像质量

Question

我正在寻找一个知道是否有可能训练神经网络来判断所提供的图像是否符合训练期望的人。

假设我们有一个训练有素的神经网络来读取800x800像素的彩色图像。因此，我将有1,920,000个输入和许多隐藏层和一个输出。我计划准备2000张照片，其中包括1000张不良照片（模糊，太暗，太亮等等）和1000张好照片，并训练神经网络以确定这张照片是否被视为“好”。如果它是好的，那么输出将为True（或任何> 0.5），任何不好的都将输出False（或任何＆lt; = 0.5）。

我不需要神经网络来进行推理，我只需要根据训练检测出任何不良照片。因此，当神经网络给出照片2001（这是一张新照片）时，它将使用其训练有素的网络来确定它是好照片还是坏照片。

这是神奇网络的好用吗？

期待积极的讨论！

Answer 1

这是卷积神经网络的一个很好的应用。有许多库和服务可用于此。

Caffe是一个执行此操作的工具，但我没有任何相关经验。做一些谷歌搜索其他工具，搜索“卷积神经网络”。

对于服务，有Clarifai，MetaMind和Project Oxford等等。他们可能不是免费的。