Я понимаю, как работают нейронные сети, но если я хочу использовать их для обработки изображений, такой как фактическое распознавание символов, я не могу понять, как я могу ввести данные изображения в нейронную сеть.
У меня есть очень большое изображение A письма. Может быть, я должен попытаться получить некоторую информацию / спецификации из изображения, а затем использовать вектор значений этой спецификации? И они будут входом в нейросеть?
Кто уже такое делал, подскажите, как это сделать?
Самым простым решением было бы нормализовать все ваши изображения, как для обучения, так и для тестирования, чтобы они имели одинаковое разрешение. Также символы на каждом изображении должны быть примерно одинакового размера. Также неплохо использовать изображения в оттенках серого, чтобы каждый пиксель давал вам только одно число. Затем вы можете использовать каждое значение пикселя как один вход в вашу сеть. Например, если у вас есть изображения размером 16x16 пикселей, ваша сеть будет иметь 16 * 16 = 256 входных нейронов. Первый нейрон будет видеть значение пикселя в точке (0,0), второй - в точке (0,1) и так далее. Обычно вы помещаете значения изображения в один вектор и передаете этот вектор в сеть. Это уже должно работать.
Сначала извлекая элементы (например, края) из изображения, а затем используя сеть для этих функций, вы, возможно, могли бы увеличить скорость обучения, а также сделать обнаружение более надежным. В этом случае вы используете предыдущие знания. Для распознавания символов вы знаете некоторые важные функции. Таким образом, извлекая их в качестве шага предварительной обработки, сети не нужно изучать эти функции. Однако, если вы укажете неправильные, т.е. нерелевантные функции, сеть не сможет изучить отображение изображения -> символов.
Название проблемы, которую вы пытаетесь решить, - «извлечение функций». Это определенно нетривиально и предмет активных исследований.
Наивный способ сделать это - просто сопоставить каждый пиксель изображения с соответствующим входным нейроном. Очевидно, это работает только для изображений одинакового размера и, как правило, имеет ограниченную эффективность.
Помимо этого, вы можете сделать множество вещей ... фильтры Габора, функции, подобные Хаару, PCA и ICA, разреженные функции, и это лишь несколько популярных примеров. Я бы посоветовал взять учебник по нейронным сетям и распознаванию образов или, в частности, оптическому распознаванию символов.
Все эти соображения относительно применения NN к изображениям рассматриваются в нашем обзорном документе 2002 г. (Feature на основе, на основе пикселей, масштабной инвариантности и т. д.)
Ваша самая большая проблема - это так называемое «проклятие размерности».
Я бы сравнил производительность NN с производительностью машины опорных векторов (какие ядра использовать сложно).
Вы можете использовать в качестве ввода фактические пиксели. Поэтому иногда предпочтительнее использовать меньшее разрешение входных изображений.
Что хорошо в ИНС, так это то, что они каким-то образом способны выбирать функции (игнорируя неважные пиксели, присваивая почти нулевые веса этим входным узлам).
Вот несколько шагов: убедитесь, что ваше цветное / полутоновое изображение является двоичным изображением. Для этого выполните некоторую операцию определения порога. после этого какое-то извлечение функций. Для OCR / NN этот пример может помочь, хотя в ruby: https://github.com/gbuesing/neural-net-ruby/blob/master/examples/mnist.rb
