使用人工神经网络识别物体

Question

我对神经网络的输入有疑问！

我想要认出一种叶子。

我有3000张不同大小和角度的图像。我正在使用emgucv和visual studio 2010 c＃。

首先，我将所有训练数据转换为灰度，然后将灰度图像转换为二值图像。但为了识别叶子，我决定使用一些基于形状的方法。

这是个好主意吗？

Answer 1

理想情况是以矩阵形式（RGB，灰度或B＆amp; W矩阵）输入数据，3000个图像中的每一个都应转换为该数据格式。只是不要担心形状，即：离开外围只是颜色A和颜色B之间的一系列连续局部差异（隐藏层处理这个）。

您能更具体地说明您选择方法的原因吗？试着看看这个thread关于准备培训NN的图像。您还可以查看Neuroph以获取java作为示例，以了解如何在RGB基础和形状基础上准备图像。

Answer 2

我使用神经网络和EMGU手写数字识别，也许它可以帮助你。

这是一个有监督的分类问题，所以你需要定义3件事（它们会影响识别的质量）：1。类，2。例子，3。特征。

1. 你必须定义类（在我的例子中我有10个类：“1”，“2”，“3”，......，“9”，“0”）。在你的情况下，你可以有2个类（“你要认识的那种叶子”VS“其他人离开”）或N个类（“你要认识的那种叶子”VS“另一种”VS“另一种” ...）

2. 然后你需要每个班级的例子来学习。就我而言，我每班使用10000张图像。

3. 最后，您需要提取功能。通常我使用形状（Zernike或Hu时刻），颜色（颜色时刻）和纹理（Tamura，Gabor ......）。您还可以直接使用图像的像素值作为输入。如果您的特征对旋转和缩放不稳健，则标准化图像的大小和方向（或图像的内容）可能是一个好主意。