我正在尝试训练一个分类器来识别图像中标签上的不同形状(圆形、矩形和空白 - 下面的示例)并认为 scikit-neuralnetwork 可能会有所帮助,因为我没有取得太大的成功与支持向量机。我在他们的网站上找到了文档,但不确定我用来训练网络的数据的格式。
from sknn.mlp import Classifier, Convolution, Layer
nn = Classifier(
layers=[
Convolution("Rectifier", channels=8, kernel_shape=(3,3)),
Layer("Softmax")],
learning_rate=0.02,
n_iter=5)
nn.fit(X_train, y_train)
我的灰度图像是 24*24 像素,那么我可以有一个由这些矩阵组成的 NumPy 数组(“X_train”)吗?这样我就不必将每张图像展平成一行形成我的训练矩阵并且我会丢失所有形状信息(这是我训练 SVM、LDA、PCA 等时发生的情况)。
最佳答案
无需扁平化数据。只需提供一组矩阵。在您的情况下,X_train.shape
将是 (NUM_OF_EXAMPLES, 24, 24)。看看digits example .
关于python - 如何在图像上训练 scikit-neuralnetwork,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/32071081/