对图像进行canny边缘检测后,神经网络如何进行图像识别?我不想寻找代码,我想知道神经网络实际上是如何工作的,以便匹配一组图像中图像的相似性。
输入层、隐藏层等应该考虑什么?
最佳答案
这个问题实在是太宽泛了。神经网络在这个问题上做得如此出色的主要原因是利用了一些内在图像属性和不变性以及计算进步这使得这个问题可以得到解决:
- 层次结构:面部由眼睛、嘴巴、耳朵等组成。眼睛由一组特定的形状组成,这些形状由某种边缘、线条等组成。用于图像识别的不同形状、结构等的层次结构 - 这就是为什么深堆栈神经网络在处理此任务方面如此出色 - 该层次结构以神经网络结构进行编码。
- 几何不变性:如果将汽车图像从左角移动到右角,您仍然会看到汽车图像。这一特性是某种神经网络(卷积神经网络)成功的原因。这种人工神经网络拓扑利用了这种不变性,使学习变得如此简单和强大。
- 计算能力增强:当今的卷积神经网络的设计方式使得并行计算变得非常容易。此外,现代GPU 架构使学习速度非常快 - 有时比传统 CPU 实现快 10 倍。
详细说明可以阅读here .
关于machine-learning - 应用神经网络进行图像识别,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/37314934/