手写数字的神经网络

Question

我的第一个方法是没有参与神经网络。我只是将手写输入（数字1-3）与模型图像进行比较，在模型图像中，它将通过索引比较两个图像的像素，并查看它们是否保持相同的RGB值。此方法效果很差，只有在手写数字与基本图像具有共同像素时才会起作用。现在我想实现某种神经网络，但我有一些问题。

所有图像均包含所有黑色或白色像素，每个图像为500x500像素。

我对神经网络有一个基本的了解，那里有反向传播，偏差，权重，隐藏层等......我理解他们抽象地做了什么，但我对如何实现神经网络感到困惑。计算机可以识别哪些模式？

我想要指出的是，我并不局限于神经网络，我对此问题的其他解决方案持开放态度，但神经网络似乎是解决这个问题的好方法。

Answer 1

在我的情况下，它有效...修改后。你的神经网络可能做得不好，因为你直接将像素的颜色强度作为特征向量。这使得它们对移位非常敏感（例如，将图像移位一个像素将导致完全不同的矢量）。尝试相对于角色标准化图像＆＃39;职位和规模。还要考虑是否可以使用图像中的其他信息来补充特征向量。 PS。为什么不将RGB刻度转换为简单灰度？从视觉上来说，您可以获得相同的信息，但是您将获得的功能减少3倍。