神经网络与图像分类

Question

我已经建立了一个实验性的神经网络-它的想法是，它可以查看JPEG图像，并识别图像的哪些部分是音乐符号。

为了训练网络，我使用了被切成100 x 100个方框的页面的各种图像，它们的值可以是1.0 (即包含符号)或0.0 (不包含符号)。

然而，在训练网络时，它似乎已经修复了自己，它或多或少地每次都会产生0.5的结果(给出0.25的平方误差)。sigmoid (逻辑)函数用于激活。

该网络有10,000个输入神经元(对于100 x 100图像的每个像素)，2000个隐藏神经元(每个输入都连接到一个‘行’和一个‘列’隐藏神经元)。

有一个输出神经元。

使用两个输出神经元会得到更好的结果吗？(即激活“是音乐”的和激活“不是音乐”的)。

(您可以在此处查看C++源代码：https://github.com/mcmenaminadrian/musonet -尽管在任何给定时间，公共代码库中的内容可能与我在机器上使用的内容并不完全相同。)

Answer 1

FWIW -实际的问题是因为注释中描述的代码中的符号错误-所以两层相互争斗，正如你可能预料的那样，会聚在中间。

但是..。我的代码基于20世纪90年代的一本书-经常被引用的“C++中的实用神经网络处方”。这本书本身没有错(尽管C++反映了那个时代的编码风格，没有使用STL类等等)，但它也来自一个神经网络没有像今天这样被理解/设计的时代，所以基本的设计是相当有缺陷的。

我现在正在思考如何最好地实现多层卷积网络-这不是书中讨论的东西(实际上，它否定了许多分层网络依赖于单个隐藏层NN是一般近似器的事实)。

我用单个隐藏层神经网络得到了一些有趣的结果，但它对图像处理并不是那么有用。