machine-learning - 我应该如何设置我的输入神经元来接收我的输入

Question

我需要能够确定形状是否正确绘制，

我有形状的示例数据，它保存形状和像素顺序(由像素的颜色表示)

例如，您可以看到下采样图像和颜色变化

我无法弄清楚我需要定义的网络将接受此类输入进行训练。

我应该将sampledown图像转换为矩阵并输入吗？假设我的图像是 64x64，我需要 64x64 输入神经元(我认为这是如果我忽略像素的颜色)是可行的解决方案吗？

如果您有任何指导，我可以使用它:)

Answer 1

我给你举了一个例子，如下所示。它是字母 c 的二值化 4x4 图像。您可以连接行或列。我按列连接，如图所示。然后每个像素被映射到一个输入神经元(总共16个输入神经元)。在输出层，我有 26 个输出，字母 a 到 z。

请注意，在图中，为了简单起见，我没有连接从层 i 到层 i+1 的所有节点，您可能应该连接所有节点。

在输出层，我突出显示 c 节点，以指示对于此训练实例，c 是目标标签。预期的输入和输出向量列在图的底部。

如果您想保持颜色的强度，例如 R/G/B，那么您必须将输入数量增加三倍。每个像素都被三个神经元取代。

希望这对您有更多帮助。如需进一步阅读，我强烈建议 Andrew Ng 的深度学习教程:here -UFLDL 。这是此类图像识别问题的最新技术。在本教程的练习中，您将接受强化训练来预处理图像，并使用许多图像处理的工程技巧，以及有趣的端到端深度学习算法。