训练神经网络

时间:2011-01-07 08:01:44

标签: neural-network

我有一张图片.200 * 1175像素。我想训练一个网(mlp或hopfield)来学习它的特定部分(201 * 111pixel)以节省它在新网中使用的重量(同样的以前的功能)只有没有训练才能找到那个特定的部分。现在有这样的问题:什么样的网是有用的; mlp或者是hopfield,如果mlp;隐藏层的数量; trainlm函数是无用的,因为“内存不足” error.I将图片转换为二进制图片,有用吗?

2 个答案:

答案 0 :(得分:0)

我发现AdaBoost有助于仅选取图像的重要部分。然后,使用高斯滤波器将图像调整为非常小的(如40x30)将使其加速并将重量放在照片的更多区域而不是微小的无关紧要的像素上。

答案 1 :(得分:0)

您究竟需要解决方案做什么?找到带有图像的对象(比如“Where's Waldo”?)。目标对象是否始终具有相同的大小和方向?由于灯光的变化,它看起来会有什么不同吗?

如果您只是需要在较大的图像中找到固定的像素模式,我建议使用直接的相关度量,例如互相关,以便有效地找到它。

如果您需要应对上述任何问题,那么有两个基本解决方案:1。使用不同姿势,缩放等对象的示例构建模型,以便模型能够识别它们中的任何一个,或2.开发一种方法来规范化被检查像素,以最大限度地减少这些失真的影响(如胡的不变矩)。如果不出意外,yuo会想要执行某种数据缩减以减少输入数量。从技术上讲,你也可以尝试一种对旋转等不变的模型,但我不知道这些工作有多好。我怀疑他们比传统方法更温和。