应用神经网络进行图像识别

Question

在对图像进行精确边缘检测后，如何通过神经网络完成图像识别？我不寻求代码，我想知道神经网络如何实际工作，以匹配图像的一组图像的相似性。

输入图层，隐藏图层等应该考虑什么？

Answer 1

这个问题非常广泛。神经网络在这个问题上做得如此出色的主要原因是利用了一些内在图像属性和不变性以及计算进展这使得这个问题可以解决：

1. 层次结构：面孔由眼睛，嘴巴，耳朵等组成。眼睛由一组形状组成，由某种边缘，线条等组成。有一定的用于图像识别的不同形状，结构等的层次结构 - 这就是深层堆叠神经网络在处理这项任务时非常好的原因 - 这种层次结构是用神经网络结构编码的。
2. 几何不变：如果您将汽车的图像从左角移动到右角 - 您仍然会有汽车的图像。这个属性是某种神经网络成功的原因 - 卷积。这种ANN拓扑结构利用这种不变性使学习变得如此简单和强大。
3. 提高计算能力：今天的卷积神经网络的设计方式使计算变得非常容易并行。此外，现代 GPU的架构使学习速度非常快 - 有时比传统的CPU实现快<10倍。

您可以阅读详细的解释here。

Answer 2

你的问题非常广泛。此外，从您的问题的这一行How is image recognition done by neural network after doing canny edge detection of the image?，可以推断您是神经网络和深度学习的新手。神经网络不专门执行精确边缘检测。

我建议在进入卷积神经网络（CNN）之前，先了解一些神经网络的基础知识。通过这种方式，您将能够在以后欣赏CNN概念。 CS231n课程对你来说可能是一个非常好的起点，因为神经网络的基础知识也包含在该课程中。

为您的广泛问题撰写任何具体答案真的很难。如果您有一些具体问题，请告诉我。