神经网络图像架构

时间:2016-07-19 13:46:50

标签: opencv image-processing neural-network conv-neural-network

我有一套16000张图片。我有一个样本图像,我需要找到16000个图像中的一个。我已经尝试过OpenCV的ORB + FLANN方法,但速度太慢了。我希望一旦训练有素的网络比它快。我不太了解NN理论,我读过一些文章&网站,我有很多问题:

  1. 我应该使用16k输出神经元对输入图像进行分类吗?
  2. 如果每节课只有一张火车图像,我如何训练我的NN?
  3. 我应该使用什么架构?
  4. 也许我应该通过随机扭曲输入图像来增加训练数据集?
  5. 提前抱歉我的英语不好:)

1 个答案:

答案 0 :(得分:0)

我不是专家,但我认为这种问题不适合神经网络。可能在openCV中提供的特征提取,兴趣点和描述符是最佳选择。无论如何,让我们试试这个。收到信息后,我想你可以试试这个:

SOM网络 - 创建一个自组织地图网络,其中包含16.000个类用于输出。从来没有看到过这么多类的例子,每个类只有一个样本,但它应该有用。也许您可以尝试使用PCA来减少图像维度。继续使用您的图像(或PCA功能)训练网络。开始,我不知道,1000个时代。继续提高这个值,直到你有好的结果。

Here you can read a bit more about SOM

相关问题