обучающая нейронная сеть

Question

У меня есть изображение. 1200 * 1175 пикселей. Я хочу обучить сеть (mlp или hopfield), чтобы изучить ее конкретную часть (201 * 111 пикселей), чтобы сохранить ее вес для использования в новой сети (с той же предыдущая функция) только без обучения, чтобы найти эту конкретную часть. Теперь есть вопросы: какие сети полезны; mlp или hopfield, если mlp; количество скрытых слоев; функция trainlm бесполезна, потому что «недостаточно памяти» ошибка. Я преобразовываю картинку в двоичное изображение, это полезно?

Answer 1

Что именно вам нужно для решения? Найдите объект с изображением (например, «Где Уолдо»?). Будет ли целевой объект всегда иметь одинаковый размер и ориентацию? Может ли это выглядеть иначе из-за изменений освещения?

Если вам просто нужно найти фиксированный рисунок пикселей на большом изображении, я предлагаю использовать прямую меру корреляции, например кросс-корреляцию, для ее эффективного поиска.

Если вам необходимо решить одну из упомянутых выше проблем, то есть два основных решения: 1. Постройте модель, используя примеры объектов в разных позах, масштабах и т. Д., Чтобы модель распознала любую из них. или 2. Разработать способ нормализации фрагмента исследуемых пикселей, чтобы свести к минимуму эффект этих искажений (например, инвариантные моменты Ху). Если ничего другого, вам захочется выполнить какое-то сокращение данных, чтобы уменьшить количество вводимых данных. Технически, вы также можете попробовать модель, которая не зависит от поворотов и т. Д., Но я не знаю, насколько хорошо они работают. Я подозреваю, что они более темпераментны, чем традиционные подходы.

Answer 2

Я обнаружил, что AdaBoost помогает выделить только важные фрагменты изображения. Это и изменение размера изображения до чего-то очень маленького (например, 40x30) с использованием фильтра Гаусса ускорит его и увеличит вес большей части фотографии, а не крошечного незначительного пикселя.