在模式匹配(神经网络)中，为什么在手写脚本匹配过程中图像会变平
在模式匹配（神经网络）中，手写脚本匹配过程中图像会变平的原因是为了提高匹配的准确性和效率。
图像变平是指将手写脚本图像转换为平面图像的过程。这种转换可以通过将图像进行预处理和特征提取来实现。在手写脚本匹配中，图像变平的目的是为了将不同大小、旋转角度和倾斜程度的手写脚本图像转换为统一的平面表示，以便进行后续的模式匹配和识别。
图像变平的过程通常包括以下步骤：
- 图像预处理：对手写脚本图像进行去噪、灰度化、二值化等预处理操作，以便提取图像中的有效信息。
- 特征提取：从预处理后的图像中提取出代表手写脚本特征的关键点、轮廓、线条等信息。常用的特征提取方法包括边缘检测、角点检测、轮廓提取等。
- 图像变平：根据提取到的特征信息，将手写脚本图像进行变换，使其变为平面图像。这可以通过几何变换（如旋转、缩放、平移）或投影变换（如透视变换）来实现。
通过图像变平，可以将手写脚本图像转换为统一的平面表示，从而方便进行模式匹配和识别。在模式匹配中，神经网络可以利用这些平面图像进行训练和匹配，以识别出相似的手写脚本。
在云计算领域，腾讯云提供了一系列与图像处理和模式匹配相关的产品和服务，例如：
- 腾讯云图像处理（https://cloud.tencent.com/product/tci）：提供了图像识别、人脸识别、图像搜索等功能，可以用于手写脚本图像的特征提取和匹配。
- 腾讯云机器学习平台（https://cloud.tencent.com/product/tf）：提供了强大的机器学习和深度学习功能，可以用于训练和部署神经网络模型，用于手写脚本的模式匹配和识别。
- 腾讯云智能视频（https://cloud.tencent.com/product/vod）：提供了视频内容分析和处理的能力，可以用于处理包含手写脚本的视频，并进行模式匹配和识别。
通过使用腾讯云的相关产品和服务，开发人员可以更方便地进行手写脚本的模式匹配和识别，提高匹配的准确性和效率。
相关·内容
3回答
我用MNIST数据集(有50000个训练输入)训练了我的ANN，然后跑了起来。当我尝试MNIST dataset.But中包含的测试输入时，我得到了91-92%的准确率(这是很高的)如果我给我的绘画图像作为我训练的人工神经网络的输入，它无法识别数字。即使是最清晰的。然而，如果我从互联网上下载一个数字的图像，它识别的准确率很高。所以，我不明白为什么我的ANN So除了画图之外什么都能识别。(MNIST数据集包含在黑色背景上具有白色数字的图像。)
浏览 2提问于2018-07-09得票数 0
我最近又开始钻研人工神经网络，既进化又训练。我有一个问题，如果有的话，应该用什么方法来解决会导致目标输出集的输入问题。这个有名字吗？我试图寻找的一切都会引导我反向传播，这并不一定是我所需要的。在我的搜索中，我最接近表达我的问题的是
这告诉我，确实会有很多解决方案的网络，有不同数量的节点为层，他们将不会是琐碎的解决方案。我有一个想法，就是使用在学习过程中建立的权重，向一组理想的输入迈进。还有其他人有做这种事的经验吗？
为了详细说明:假设您有一个带有401个输入节点的网络，它表示一个20x20灰度图像和一个偏差，两个隐藏层由100+25节点组成，以及6个输出节点表示一个分类(符号、罗马数
浏览 3提问于2014-12-28得票数 8
1回答
目前，我正在尝试运行一个ConvNet。每一张图像，后来提供给神经网络，都被存储在一个列表中。但目前，这个列表是使用三个for循环创建的。看一下：
im = Image.open(os.path.join(p_input_directory, item))
pix = im.load()
image_representation = []
# Get image into byte array
for color in range(0, 3):
for x in range(0, 32):
for y in range(0, 32):
ima
浏览 2提问于2017-01-24得票数 3
回答已采纳
2回答
你知道我的测试神经网络有什么好的训练图像吗？
最好是标记的数字或字母、或简单符号的图像集。
在这个阶段，人脸或真实的图像可能太复杂了。(我厌倦了使用Boltzmann机器)
浏览 5提问于2010-09-27得票数 9
回答已采纳
1回答
为什么我要用Sobel接线员？
、、、、
我最近读过一些关于神经网络的期刊和pdfs。我专注于一篇关于“用神经网络进行笔迹识别”的文章。另外，我正在学习反向传播。我的问题是，“为什么作者推荐读者使用Sobel算子作为预处理技术，而不是简单地处理神经网络的手写？”
浏览 3提问于2014-05-05得票数 2
回答已采纳
1回答
我想训练一个蒙面RCNN神经网络，以便能够分割苗木的不同部分。我们有黑白背景的苗木图像，最好的方法是训练CNN，只有一个背景还是两个背景结合起来，以获得良好的分割结果？我们只会在最终的流水线中获取黑色背景的图像。
浏览 21提问于2020-02-27得票数 0
回答已采纳
1回答
我在Keras中训练了一个神经网络来检测图像上的关键点。网络期望形状(224,224，3)的图像。我希望能够使用CoreML在Swift中检测图像上的关键点，但不确定如何将非方形形状与我期望方形图像的神经网络一起使用。对适当的预处理步骤有什么想法吗？Vision API中有没有内置的东西来帮助你做到这一点？我可以将图像挤压成正方形，但我认为这会扰乱预测的(X，y)关键点对。
浏览 13提问于2019-02-07得票数 0
回答已采纳
1回答
我有一个用MNIST训练的deeplearning4j神经网络(NN)，用来识别图像上的数字。由于MNIST集包含28x28像素的图像，因此我能够使用此神经网络预测28x28图像的类别。
我正在尝试找出如何将此神经网络应用于手写页面的图片？如何将图像中的文本转换为实际的文本(OCR)？基本上，需要什么样的预处理，以及如何找出图像中文本所在的部分？如何派生图像的较小部分以单独应用NN？
浏览 2提问于2021-01-31得票数 0
2回答
提前感谢您阅读本文。
因此，我正在尝试编写一个神经网络来识别图像中的特定徽标。我基本上有一个特定纵横比的滑动窗口，它会将当前窗口缩放到输入的预期大小。该窗口将输入输入到网络中，并查看输出以确定窗口中的内容是否是我正在寻找的徽标。在这种情况下，它将在窗口边缘绘制一个框，勾勒出徽标的轮廓。
我的问题在于，神经网络报告的图像其他部分的置信度太高，最终会在各处绘制如此多的方框，以至于不可能看到原始图像的大部分。所以很明显，神经网络出了问题。
为了输入图像，我尝试将其展开为灰度和彩色。这两种方式都不起作用。我也尝试过不同的输入大小。当它开始变得太小时，它会变得更糟，但即使在57x22x3彩色展开的输入，
浏览 0提问于2012-12-18得票数 0
1回答
我正在开发一个使用神经网络(前馈反向传播方法)的离线手写识别应用程序。我对孤立字符的训练集图像的归一化大小感到困惑。目前我考虑的是32*32像素。你能帮我一下吗?对这件事有什么具体的考虑吗？谢谢你！！
浏览 0提问于2012-09-29得票数 1
回答已采纳
1回答
我正在试验神经网络，并将一个简单的NN (没有卷积，只是几个密集的层)放在一起，根据MNIST数据识别手写数字(请参阅下面的完整代码)。网络在测试集(以及我自己的笔迹)上表现得相当好。然而，我在对非数字的随机图像进行实验时，注意到网络变得非常有信心。也就是说，将随机噪声(见下文)作为要分类的图像时，NN可以确定它看到的是一个特定的数字。
下面代码中的model表示已经训练过的NN，并在下面显示的代码块中定义和训练。
sample = (255*np.random.random(784) ).astype('uint8').reshape(( 28,28) )
p
浏览 1提问于2019-07-25得票数 1
1回答
组合神经网络
、、、、
是否可以通过神经网络组合多种类型的数据，并反过来输出特定的数据类型？
例如，我可以输入一张图像和关于该图像的一些元数据，然后算法将输出一个数字。
我正在考虑将CNN和ANN缝合在一起。
提前感谢！
浏览 0提问于2020-07-15得票数 0
4回答
OCR训练前馈神经网络
、、、、
目前，我正在学习神经网络，我试图创建一个应用程序，可以训练识别手写字符。对于这个问题，我使用了前馈神经网络，当我训练它识别1，2或3个不同的字符时，它似乎是有效的。但是，当我试图让网络学习超过3个字符时，它将停滞在40 %- 60%左右的错误百分比。
我尝试了多层和更少/更多的神经元，但我似乎不能正确，现在我想知道一个前馈神经网络是否能够识别出这么多的信息。
一些统计数字：
网络类型：前馈神经网络
输入神经元:使用 100 ( 10 * 10)网格绘制字符
输出神经元：字符数量
有人知道我的架构可能有什么缺陷吗？输入神经元太多了吗？前馈神经网络不具备字符识别能力吗？
浏览 10提问于2012-03-13得票数 11
回答已采纳
2回答
我在Keras模块中训练了一个前馈神经网络，但它存在一些问题。问题是对带有自写数字的图像进行了错误的预测。
(X_train, y_train), (X_test, y_test) = mnist.load_data()
RESHAPED = 784
X_train = X_train.reshape(60000, RESHAPED)
X_test = X_test.reshape(10000, RESHAPED)
X_train = X_train.astype('float32')
X_test = X_test.astype('float32')
X_tr
浏览 2提问于2018-11-30得票数 0
11回答
我尝试学习神经网络已经有一段时间了，我可以在网上理解一些基本的教程。现在我想用神经网络开发在线手写识别。所以我不知道从哪里开始？我需要一个非常好的指导。最后，我是一名java程序员。
你建议我怎么做？
浏览 2提问于2009-12-28得票数 12
回答已采纳
我正在尝试建立一个光学字符识别系统，它可以使用LSTM单元识别手写句子。
现在，我从文献中了解到，你需要给LSTM细胞提供两个输入:一个是你试图识别的图像，另一个是它已经预测的单词序列。因此，例如，如果我有一幅读着“我喜欢机器学习”的图像，我会创建以下几对输入：
图像+ startseq
图像+ startseq +i
形象+起点+我+爱
因此，对于每个输入，您希望LSTM预测下一个单词，即I，爱，机器为上述序列。
我遇到的问题是，我不知道如何将图像和前面的序列输入到LSTM单元中。我是否将我的图像(二维矩阵)划分成行/列向量，并将它们一次发送到LSTM，然后在我发送完之前
浏览 0提问于2018-07-16得票数 0
回答已采纳
1回答
我已经使用MNIST数据集构建了一个神经网络来检测手写数字。
网络采用(28,28)的输入形状，因为训练的MNIST图像是28x28灰度。
现在我想用我自己的一些笔迹来测试我的神经网络。
我拥有的图像不是28x28灰度图像，所以我正在尝试转换它们，以便我的模型可以接受它们来进行预测。
目前我有以下内容：
img = Image.open('image.png').convert('LA')
newImg = img.resize((28,28), Image.ANTIALIAS)
toPredict = np.array(new_img)
然而，这给了我一个形状
浏览 15提问于2020-02-27得票数 0
1回答
我一直看到LeNet习惯于使用卷积网络？我想知道为什么LeNet被称为LeNet？是什么的缩写吗？LeNet和卷积神经网络有什么区别吗？谢谢!
浏览 0提问于2016-05-27得票数 2
回答已采纳
1回答
我想在Keras中创建一个神经网络，将手写的文字转换成计算机字母。
我的第一步是将一个句子转换成一个数组。我的阵列有形状(1, number of letters,27)。现在我想把它输入我的深层神经网络和训练。
但是，如果尺寸不符合我的图像，我该如何正确地输入呢？以及如何实现我的预测函数给我一个输出数组的(1, number of letters,27)
浏览 1提问于2017-10-27得票数 2
回答已采纳
为什么我们在神经网络中通常使用有限范围的激活函数？例如：
sigmoid激活函数具有范围[0, 1]
tanh激活函数具有范围[-1, 1]
( Q1)假设我使用了其他非线性激活函数，比如f(x)=x^2，它没有任何有限的范围，那么在训练这样的神经网络时会有什么潜在的问题呢？
( Q2)假设我在神经网络中使用f(x)=x^2作为激活函数，并且我正在规范这些层(为了避免值不断乘以更高的值)，那么这样的神经网络会起作用吗？(这再次提到我在标题中提出的问题：“为什么我们通常在神经网络中使用范围有限的激活函数？”)
浏览 0提问于2019-11-08得票数 3
回答已采纳
3回答
特征向量表示神经网络
、、、
目标:基于神经网络的数字识别
描述：图像被标准化为8 x 13 pixels。对于每一行，任何时候的黑色像素都由1和每一个白色的0表示。因此，每幅图像都由向量矢量表示，如下所示：
问题：是否可以在神经网络中使用vector of vectors？如果不是，应该如何表示图像？
将行合并成1向量？
将每一行转换为十进制格式。例如: Row1: 11111000 =248个等等。
浏览 5提问于2014-12-01得票数 2
回答已采纳
2回答
我正在研究所有用于检测手写/签名伪造的方法。使用自动特征匹配算法，如SIFT，SURF，是否有可能使用这些算法来检测笔迹伪造？
另外，从扫描图像中提取特征的方法有哪些？
浏览 1提问于2014-02-19得票数 1
我读过的每一个用于图像识别的神经网络示例都给出了一个简单的“是”或“不是”的答案。一个出口节点对应于“是的，这是一个人的脸”，另一个对应于“不，这不是人的脸”。
我知道这可能是为了简单的解释，但我想知道这样的神经网络是如何被编程来给出更具体的输出的。例如，假设我对动物进行分类。我不想说“动物”或“非动物”，而是希望得到“狗”、“鱼”、“鸟”、“蛇”等的回应，最后一个出口节点是“不是动物/我不认识”。
我肯定这是可能的，但我很难理解怎么做。似乎是因为错误反向传播的训练算法，当你训练一个退出节点(即“这是一只狗”)，神经元的重量发生变化时，你之前训练过的另一个退出节点(即“这是一只鸟”)的理想状态
浏览 0提问于2013-02-18得票数 11
回答已采纳
为什么优化器被使用在不是神经网络的东西上？
在神经类型的传输结构中，图像被更新而不是神经网络的权重。
在样式编码器(在潜在空间中查找图像)中，隐空间被更新，而不是神经网络的权值。
为什么它在这些情况下有效，因为更新的不是神经网络的权重？
浏览 0提问于2020-11-20得票数 1
1回答
在将图像输入卷积神经网络之前，我不知道需要对图像进行什么预处理。例如，我想识别1000乘1000 px照片上的圆圈。神经网络的学习过程发生在100×100 px (https://www.kaggle.com/smeschke/four-shapes/data)上。当输入图像中的圆圈比100x100PX大得多(或更小)时，我有一点困难。然后，卷积神经网络如何确定该圆，如果它是在一个不同的图像大小的数据集上学习的。
为了清晰起见，我想向网络输入提交一个454×430 px图像：
📷
学习过程的数据集示例(100×100 px)：
📷
最后，我想识别输入图像上的所有圆圈：
📷
浏览 0提问于2020-05-12得票数 0
1回答
假设您使用神经网络进行图像识别，并且您已经训练它来识别直线。
每当某个特定的像素列打开，而相邻的像素被关闭时，一个特定的节点触发，从而“识别”这条线。
到目前为止还不错，但是如果这条线只向左或向右移动几个像素呢？
“直线”节点不再是活动的，因为它“反应”的像素列是关闭的(直线太远、太右或太左)。
我天真的解决方案是单独训练网络来识别图像每一部分的线条，但这似乎是杂乱无章的。
因此，我的问题：
神经网络如何识别直线，而不管它们在图像上的位置？我读到了复杂的神经网络巧妙地解决了这个问题，有人能解释一下怎么用非太专业的术语吗？
，一旦它们被识别，关于它们的位置的信息是如何传输到链上的(因为左边的一条
浏览 0提问于2013-12-07得票数 1
2回答
我正在建立用于图像分析的神经网络，以进行胸部X线分类(异常/通过)。
对异常X射线的分类精度较低，可能是由于缺乏异常样本训练所致。
附加图像是我构建的模式。是否有任何方法来提高异常X射线的分类精度？
📷
浏览 0提问于2019-07-17得票数 0
在Tensorflow对象检测API中，一个典型的神经网络由两个部分组成:一个特征提取器，然后一个利用特征提取输出的神经网络进一步对图像进行分类。
如果你要在对象检测api中自定义训练一个更快的resnet50神经网络，去检测另外2个对象，在训练过程中特征提取器也是训练的吗？即特征提取器组件的权重是否会发生变化？
浏览 0提问于2018-07-31得票数 3
回答已采纳
1回答
多类神经网络
、、、、
这可能是一个错误的问题，或者是什么东西，所以请随意纠正我:)。
我已经研究神经网络好几周了。我偶然发现了使用神经网络的多类分类模型。
📷
正如我们在这张图中所看到的，模型允许您将输入分类为不同的类。但这也假设您的输入总是使用相同的数字特性，对吗？这意味着，如果我想识别手写数字，我应该有相同维数的图像(例如24x24)，这样我就可以使用相同数量的特性(在本例中是24x24=576)。但是，如果一个类，例如6号，需要不同数量的特征(比如手写数字6的尺寸是30×30像素)，该怎么办？
我知道这样做的逻辑方法是有两个不同的神经网络，但有没有办法同时训练一个多类别的分类模型，其中输入可能使用不同的特征？
浏览 0提问于2018-10-26得票数 1
回答已采纳
我的设计团队建议，通过将android键盘切换到手写模式，用户可以在表单字段中输入数字。例如，用户可以通过在键盘上书写来输入7000。
我如何在我的android应用程序中实现这一点？
浏览 23提问于2017-02-27得票数 0
我想训练一个卷积神经网络(用MNIST数据集和TensorFlow)几次新的，每次都得到相同的精度结果。为了得到这个，我：
保存未经训练的仅初始化(global_variables_initializer)网
每次我开始训练这个未经训练的网
设置mnist.train.next_batch shuffle=False，因此图像序列每次都是相同的
我以前使用过一个前馈网络(3个隐藏层)，每次运行这个python脚本时，我都会得到相同的丢失值和准确性值。
但是，的“相同”脚本，通过将模型从前馈网络更改为卷积神经网络，使我每次运行脚本时都会有一些不同的丢失/准确性。
因此，我将批
浏览 2提问于2017-06-27得票数 2
回答已采纳
我一直在阅读最新和最伟大的LLM是如何拥有数十亿个参数的。作为一个更熟悉标准神经网络，但试图更好地理解LLM的人，我很好奇LLM参数是否与NN的权重相同，即它基本上是一个从随机系数开始的数字，并且随着模型的学习以减少损失的方式进行调整吗？如果是这样的话，为什么那么多在LLM空间中工作的研究将这些称为参数，而不是仅仅调用它们的权重？
浏览 0提问于2023-04-06得票数 5
回答已采纳
1回答
我已经用神经网络工作了几个月了，我有一个小小的谜团，我自己解决不了。
我想要创建和训练一个神经网络，它可以识别56*56像素灰度图像中的简单几何形状(方形、圆圈和三角形)。如果我使用黑色背景和白色形状的图像，一切都运行得很好。训练时间约18次，准确率接近100% (通常为99.6 %~ 99.8%)。
但当我倒置图像时，所有这些都发生了变化(即，现在是白色背景和黑色形状)。训练时间猛增到大约600个时代，在最初的500-550个时期，什么也没有发生。在最初的500-550个时代，损失几乎没有减少，似乎有些东西“卡住”了。
为什么培训时间会增加这么多，我该如何减少(如果可能的话)？
浏览 2提问于2022-05-18得票数 2
5回答
从图像中读取字符
、、、
我正在开发一个应用程序，该应用程序需要将扫描图像文件中的数字与数据库条目进行匹配，并使用匹配结果更新数据库。
假设我有image- Emploe1.jpg。此图像将有两个手写条目-员工编号和支付给员工的金额。我必须从图像中读取员工编号，并查询该编号的数据库，用从图像中获得的要支付的金额更新员工。员工编号和支付金额都写在图像上指定位置的两个框中。
有没有办法让这一切自动化。基本上，我想要一个使用c#的.net解决方案。我知道这可以使用人工神经网络来完成。
任何想法都将不胜感激。
浏览 0提问于2010-06-10得票数 7
回答已采纳
2回答
在我问同样的类似问题之前，我试着用分水岭来分割连接字符，但效果不太好。几周前，我在谷歌搜索( )中的堆栈溢出( stackoverflow )网站上得到了同样的问题，在回答用户中，作者mmgp提供了一个使用形态学方法和闭包操作的解决方案，但我并不完全理解。
我只是用偶然的形态细化了一幅图像。
原始图像
稀疏图像
细化图像的大图像(放大)
4-连接可以将数字9拆分为单个字符，但44仍然连接.
我对有一些疑问
1.为什么需要将原始图像调整到200个像素，然后将其细化.
为什么不立即将原始图像细化。
2.如何提取这些分支点并对细化图像应用形态学关闭。
我只知道闭合形态是一种侵蚀和扩张
浏览 3提问于2013-03-09得票数 1
正如我在我的中所问的那样，我面临的问题是我有数百张手写笔记的图片。它们是从不同的人编写的，但它们是按顺序编写的，因此您知道，例如，person1编写了img1.jpg -> img100.jpg。笔迹的风格因人而异，但笔记的某些部分总是固定不变的(也许这有助于算法的实现)。
我遵循一个用户建议使用tesseract，但它无法识别任何文本。文本不在engligh中，但我确实使用了适当的语言数据文件。
我对ai的了解是有限的，但是从搜索和查看一些论文来看，这似乎可以用CNN来完成。有人能指点我以后该怎么做吗？我想继续这个项目，但我也没有太多的时间去学习神经网络。实现一个解决这个任务的方法有多
浏览 8提问于2019-10-16得票数 0
我对在web浏览器中制作手写识别应用程序非常好奇。用户绘制一个字母，ajax将数据发送到服务器，神经网络找到最接近的匹配，并返回结果。所以如果你画一个a，第一个结果应该是a，然后是o，然后是e，就像这样。
我对神经网络了解不多。我需要向NN传递什么样的数据。它可能是用户在垫子上绘制的x/y坐标的数组。或者，对于手写，神经网络期望或将产生最佳结果的数据类型是什么？
浏览 3提问于2011-01-07得票数 4
回答已采纳
1回答
Matlab和网站
、、、、
我有一个项目，我将利用图像处理和神经网络。我使用的工具是matlab。该系统是一个基于web的系统，我所见和使用的示例目前都是基于桌面的。有人知道我将如何在图像处理和神经网络部分之上创建一个网站层吗？
最简单的结构如下所示
网站->通过图像处理提供输入->过程，神经网络->在网站中提供输出
虽然这将工作，另外，如果可能的话，我也希望与过程中的网站更多的互动，就像当我不想控制一些阈值的强度在某些部分关于图像处理
此外，我还需要写到数据库，mysql，如果可能的话
这将是一个额外的，如果我可以结合java EE与matlab，因为我已经有代码，我可以从Java使用。然而，强制性要
浏览 1提问于2012-04-24得票数 2
众所周知，局部特征描述图像内容的局部结构，而全局特征描述图像内容的整体。正处于深度学习领域的卷积神经网络本身就可以提取重要的特征，我想知道CNN提取的特征是局部特征还是全局特征，还是两者兼而有之？为什么？有没有人可以帮助我在一些分析或参考回答我的问题。谢谢。
浏览 276提问于2019-07-11得票数 2
1回答
我需要开发一个简单的皮肤病诊断系统，使用图像处理和神经网络。为了在神经网络中使用图像，图像应该是相同的标准，并且为了识别皮肤病，我们还需要应用一些图像处理技术。 但我不知道图像处理技术首先应用的是什么，它们是什么？正如我从参考文献中读到的，我认为我需要应用图像滤波技术，边缘检测技术，等等。 能有人谁是这方面的专家，请一步一步地说明图像处理技术。不需要编码，我只想知道图像处理技术的名称和顺序。 这是参考：reference
浏览 0提问于2014-06-09得票数 0
2回答
我目前正在处理作为张量加载的rgb图像，我想将它们重塑为2d张量，以便在它们上实现深度神经网络。
我目前正在处理的形状是：
images.shape
torch.Size([32, 3, 244, 244])
我不知道如何处理最后两个区域，也不知道如何展平颜色的3个通道
浏览 2提问于2021-03-03得票数 0
1回答
根据MLOPs原理，建议使用特征存储。问题在于如何利用卷积神经网络这样的深度学习模型进行图像分类，该模型作为训练过程的一部分进行自动特征工程(使用卷积层)。
问题
对于纯图像分类/分割模型，有一个特征存储有意义吗？
哪些特性应该存储在功能存储中？卷积层的输出？但是在训练过程中，它们不能被重用，因为在训练过程中，它们会被卷积层重建。
浏览 0提问于2021-02-09得票数 0
我生成一个单一的硬币粘贴在200x200大小的白色背景上的图像。这枚硬币是随机从8欧元硬币图像中选出的(每枚硬币一张)，并有：
随机旋转；
随机大小(非固定界)；
随机位置(使硬币不被裁剪)。
下面是两个示例(添加了中心标记)：
我正在使用Python +Las格涅。将彩色图像输入到输出层由两个线性神经元组成的神经网络中，一个为x，一个为y，与生成的硬币图像相关联的目标是硬币中心的坐标(x，y)。
我尝试过(来自)：
具有不同层数和单位数的密集层结构(最大500层)；
卷积结构(输出前有2个致密层)；
平方差之和(MSE)作为损失函数；
目标坐标在原始范围0
浏览 3提问于2016-01-24得票数 11
回答已采纳
3回答
判断哪些样本(很可能)分类不正确
、、、、
问题：
给出了一种用于图像分类的神经网络，其目的是开发一种算法来判断哪些图像是“有问题的”，并且该模型可能会对它们进行错误的分类。
讨论：
到目前为止，我已经想到了两种可能的方法：
将给定的图像输入到模型中，然后用不同的度量(一、二级置信度差、熵、基尼指数等)对模型的最大输出值进行分析。
对给定的图像执行某种图像处理(特征提取)，以获得一些特征，以表明图像是否会被正确分类。
问题：
你能给我提供更多关于第二种方法的建议吗？你认为什么类型的特征提取将有助于区分这些图像？
这里没有提到的任何其他想法都是受欢迎的。
浏览 0提问于2021-05-16得票数 3
回答已采纳
1回答
神经网络中的特征参数映射
、、、、
对于神经网络，我们能分辨哪些参数对哪些特征负责吗？
例如，在图像分类任务中，图像的每个像素都是一个特征。我能不知怎么找出哪些参数编码了所学的信息，比如从我的训练实例的左上角像素？
浏览 0提问于2020-03-25得票数 0
回答已采纳
1回答
我有一个分类花的神经网络项目。我有一个花卉数据集，我想将所有雏菊图像重命名为daisy1、daisy2等等。为了做到这一点，我编写了一个shell脚本，但我注意到每次运行脚本时，都会丢失一些图像，我不明白为什么。有什么想法吗？这是我的剧本：
(( i = 1 ))
for file in $(ls)
do
[ "$file" != "change-filenames.sh" ] && mv "$file" "daisy$i" && (( i++ ))
done
浏览 2提问于2018-12-28得票数 0
回答已采纳
我看了一下，注意到当图像的数组被压平成728数组时，如果这个数组是随机的，会有什么关系吗？我的意思是，神经网络是否考虑到数据的邻接，还是有一个输入节点放置输入号(因此有728个节点)。
我想问的是，如果我像在例子中那样训练图像扁平，我会得到相同的网络吗，就像我随机化了728个数据数组一样？
浏览 3提问于2015-11-14得票数 3
回答已采纳
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
实时音视频
即时通信 IM
对象存储活动推荐
腾讯云开发者
