Matlab神经网络的字符识别

Question

我正在研究我的最终项目。我选择实现NN进行字符识别。

我的计划是将26张包含26个英文字母的图像作为训练数据，但我不知道如何将这些图像转换为神经网络的输入。

假设我有一个带有2层的反向传播神经网络 - 隐藏层和输出层。输出层有26个神经元，可产生26个字母。我自己创建了26个图像（大小为24 * bmp格式的100 * 100像素），每个图像都包含一个英文字母。我不需要进行图像分割，因为我是图像处理的新手，所以你们可以给我一些关于如何在Matlab中将图像转换为输入向量的建议（或者我是否需要做边缘，形态或其他图像预处理的东西？）。

非常感谢。

Answer 1

只有字母相同（像素的位置固定）时，NN才会起作用。您需要将图像转换为灰度并将其像素化。换句话说，使用在正方形上分割图像的网格。正方形必须小到足以得到字母细节，但足够大，所以你不要使用太多的神经元。每个像素（灰度）是NN的输入。剩下的就是确定连接神经元的方式，例如NN拓扑。两层NN就足够了。最有可能你应该将每个输入“像素”连接到第一层的每个神经元，将第一层的每个神经元连接到第二层的每个神经元

Answer 2

这并不直接回答您提出的问题，但可能有用：

1）您需要更多的训练数据。更重要的是，如果我理解正确（每个字母只有一个样本？）

2）这是一个非常常见的项目，如果允许，您可能想尝试在互联网上查找已处理的数据集，这样您就可以专注于NN组件。

Answer 3

由于您将进行字符识别，我建议您使用不需要任何训练数据的SOM神经网络;每个字母你将有26个输入神经元，一个神经元。对于图像处理位，Ross有一个有用的建议来隔离每个字母。