C++ 用于图像处理的OpenCV神经网络

我对人工智能世界很陌生，并尝试一些实践。 看来我需要一些第三方经验

假设我需要消除图像缺陷（实际上这项任务更棘手）。 我希望经过训练的神经网络能够插值缺陷区域

出于这些原因，我尝试创建简单的神经网络。 输入：灰度图像有缺陷（72*54），同一图像无缺陷。 隐藏层有2*72*54个神经元

主要代码

   cv::Ptr<cv::ml::ANN_MLP> ann = cv::ml::ANN_MLP::create();

   int inputsCount = imageSizes.width * imageSizes.height;
   std::vector<int> layerSizes = { inputsCount, inputsCount * 2, inputsCount};
   ann->setLayerSizes(layerSizes);
   ann->setActivationFunction(cv::ml::ANN_MLP::SIGMOID_SYM);

   cv::TermCriteria tc(cv::TermCriteria::MAX_ITER + cv::TermCriteria::EPS, 50, 0.1);
   ann->setTermCriteria(tc);

   ann->setTrainMethod(cv::ml::ANN_MLP::BACKPROP, 0.0001);

   std::cout << "Result : " << ann->train(trainData, cv::ml::ROW_SAMPLE, resData) << std::endl;
   ann->predict(trainData, predicted);

cv:：Ptr ann=cv:：ml:：ann_MLP:：create（）；
int InputScont=imageSizes.width*imageSizes.height；
std:：vector layerSizes={InputScont，InputScont*2，InputScont}；
ann->setLayerSizes（layerSizes）；
ann->setActivationFunction（cv:：ml:：ann\u MLP:：SIGMOID\u SYM）；
cv:：TermCriteria tc（cv:：TermCriteria:：MAX_ITER+cv:：TermCriteria:：EPS，50，0.1）；
ann->setTermCriteria（tc）；
ann->setTrainMethod（cv:：ml:：ann_MLP:：BACKPROP，0.0001）；
std：：cout似乎终止标准仅适用于两个样本，但在使用大量样本进行训练时不够好。试着调整它们，以及学习速度。
根据已正确恢复的像素质量判断，网络架构似乎适合此任务。一旦网络在10个样本上运行良好，我强烈建议添加更多的训练样本。
主要问题是，对于给定的网络，您只能获得很少的数据

您的NN已完全连接。像素0,0的权重与像素1,0的权重完全不同，像素0,1的权重也不同。你有很多权重，有很多节点。因此，虽然10幅图像中有大量像素，但对于所有权重来说，像素远远不够

卷积神经网络的权值要小得多，因为它的许多权值都是重复使用的。这意味着在训练中，这些权重由来自每个训练图像的多个像素进行训练

并不是说我希望它能很好地处理10张图片。人类的期望源于多年的人类视觉，确切地说是数十亿张图像