ニューラル ネットワークを使用して画像分類を実装したいと思います。写真から機能を選択する方法と、使用する隠しユニットまたはレイヤーの数を知りたいです。
今のところ、画像のサイズを 50x50 以下に変更して、フィーチャの数を減らし、すべての入力のサイズを一定にすることを考えています。フィーチャは、各ピクセルの RGB 値になります。他の良い方法はありますか？
また、入力の半分のユニット数で 1 つの非表示レイヤーを使用することにしました。数値を変更して、より良い結果を得ることができます。それとも、より多くのレイヤーが必要ですか?
次のように、ニューラル ネットワークによって正常に学習された多数の画像データ セットがあります。
多くのトレーニング例が必要というわけではありません。通常、隠れ層は 1 つで十分です。しかし、ニューロンの「正しい」数を決定するのは難しい場合があります。場合によっては、隠れニューロンの数が入力の数よりも多くなることがあります。2 つ以上の非表示レイヤーを使用すると、通常、必要な非表示ノードが少なくなり、トレーニングが高速になります。しかし、多くの隠れ層が必要な場合、最初の層で重みをトレーニングするのが難しい場合があります。
特に画像用に設計された一種のニューラル ネットワークは、畳み込みニューラル ネットワークです。それらは通常、多層パーセプトロンよりもはるかにうまく機能し、はるかに高速です。
50x50 の画像特徴マトリックスは、RGB 値を持つ 2500 の特徴です。あなたのニューラル ネットワークはこれを記憶するかもしれませんが、おそらく他の画像ではうまく機能しません。
したがって、このタイプの問題は、画像処理、特徴抽出に関するものです。機能は、要件に応じて変化します。画像処理とニューラル ネットワークに関するこの類似の質問を参照してください
1 層ネットワークは線形問題にのみ適しています。問題が線形であると確信していますか? それ以外の場合は、多層ニューラル ネットワークが必要になります