使用像素颜色的人工神经网络
Using pixel colors for artificial neural networks
我想尝试做一个可以识别图片的程序。既然我使用像素颜色作为输入,我应该为图像中的每个像素有3个输入吗?(RGB值)
彩色图像通常由至少三个通道定义:R(红色),G(绿色)和B(蓝色)。你也可能有阿尔法和其他各种渠道。所以是的,对于一个像素,你将有3个输入。
你必须明确"识别图片"的具体含义。
"识别图片"是一个非常模糊的术语。
你可能想看看像OpenCV这样的东西来处理图像数据。在该库中,Mat结构提供了非常透明的像素存储和访问。
就语义而言,执行"识别"的函数理想地接受图像对象作为输入,而不是图像通道。
相关文章:
- 我的神经网络不起作用 [XOR 问题]
- 神经网络不学习.卡在50%
- OpenCV 3 中的神经网络权重
- 用 Python 训练神经网络并在 C++ 中部署
- 部署在张量流中训练的神经网络来火炬C++的最佳方法是什么?
- 我不确定如何引用此神经网络训练方法中的权重
- 如何在不同的平台/技术中使用经过训练的神经网络?
- 为什么我的神经网络停滞在一定的成本附近?
- 具有静态 std::array 的神经网络比使用动态 C 数组的神经网络慢
- 为什么小型和大型加载的神经网络占用相同数量的 RAM?
- 一维阵列的运动检测(神经网络或其他选项?
- 神经网络和图像分类
- 使用在R中训练的神经网络来预测C 中的新数据
- 神经网络高估了手写数字的输出
- 如何将可重读的神经网络导出到C 中的文件
- 如何在C++程序中连接 MATLAB 中构建的经过训练的神经网络
- 为什么 dlib 的神经网络 xml 导出包含的层参数与训练器指定的参数不同?
- 具有大输入和输出的人工神经网络
- 使用像素颜色的人工神经网络
- 如何提高性能而不去并行我的反向人工神经网络