图像质量神经网络方案

Question

我试图创建一个神经网络项目，以确定彩色图像的质量，并返回是否通过质量检查。这一质量检查将在包含50%好照片和50%坏照片的2000份样本中确定和培训。

假设我正在执行的检查是1280x1280像素与RGB无阿尔法通道。我正在尝试创建以下神经网络

输入层==> 1280 * 1280 *3= 4915200个神经元

2x隐层==>层1= 1638400，2层= 409600神经元

输出层==> 1神经元

我的问题是，在简单的异或训练中，我们可以很容易地用两个输入，一个隐藏层，包括两个神经元和一个输出神经元。然而，当它成为现实世界的应用时，内存就成了一个巨大的问题。所需的内存量超过了我的128 my内存机器。

我不知道该如何处理这个项目，这样它才能提高内存效率？(至少在128 At以内)

期待着开始讨论我应该采取什么样的方法来使它发挥作用！

谢谢

Answer 1

你应该使用卷积神经网络。我建议从图像识别项目中复制一个神经网络，然后在你的数据集上重新训练它。一个高效的卷积神经网络实现不应该使用那么多的内存，虽然它可能需要很长的时间来训练。

您还可以使用低分辨率图像，这是机器视觉中的典型操作。将所有图像缩小到256x256像素。