Uczę rozpoznawania wzorca z OpenCV i chcę zaimplementować klasyfikator.
Jak to zrozumiałem, zwykle stosowane jest podejściewdrażanie oceny sieci neuronowej we wszystkich wartościach wejściowych i wydawanie decyzji. Teraz, obawiam się, uczenie się NN mogłoby prześcignąć moje zdolności umysłowe i szukam łatwiejszego sposobu.
Moje pytanie brzmi: czy można stworzyćhistogram wartości wejściowych, gdzie X jest klasą elementów, a Y jest jej wartością i podejmuje decyzję przy użyciu prostego porównania histogramu? (Nie mam na myśli takich samych histogramów kolorów.)
Czy ktoś już zastosował taką metodę? Jeśli tak, jak dokładne były wyniki?
Dziękuję za wszelkie wskazówki.
Odpowiedzi:
2 dla odpowiedzi № 1to, co proponujesz, jest w istocie bardzo podobne do jednowarstwowej sieci neuronowej (perceptron jednowarstwowy / liniowy klasyfikator). Powiedzmy, że masz N funkcji na swoim obrazie. Twoja sieć neuronowa miałaby wtedy N wejść, gdzie wartość wejścia może być liczbą razy, gdy wystąpi funkcja lub wartością / siłą obiektu.
Jeśli masz tylko dwie klasy A i B.mieć jeden węzeł wyjściowy. Każde wejście jest połączone z wyjściem z wagą. Dane wyjściowe są sumą wszystkich ważonych wyników. Jeśli wynik przekracza pewien próg, twoje dane można sklasyfikować w klasie A, w przeciwnym razie jest to klasa B. Aby poprawnie sklasyfikować twoje dane, będziesz musiał zmodyfikować wagi w sieci (to się nazywa "szkolenie").
Jeśli chcesz mieć więcej zajęć, możesz dodaćwięcej węzłów wyjściowych. Jednakże będziesz miał wtedy przypadek, że niektóre dane można sklasyfikować jako wiele klas. Co więcej, twoja sieć zawsze będzie aproksymatorem funkcji liniowej. Dodając warstwę pomiędzy, twoja sieć stanie się znacznie potężniejsza!
Podstawowe sieci neuronowe są łatwe. Proponuję spędzić więcej czasu czytając o tym na Wikipedii.