Machine learning 如何训练人工神经网络来找到图像中匹配的位置

我了解到神经网络只擅长回答是或否的问题，比如“这是一个人，这是一辆车，这是一个苹果”等等

但我看到了人工神经网络在拥挤的地方找到与人脸匹配的例子，并被用于传统的机器视觉应用，如亚像素模板匹配

---

这只是人工神经网络和传统匹配技术结合的产物吗。例如，使用人工神经网络识别与已知模板匹配的特征，然后使用良好的旧图像处理确定这些关键点在图像中的位置？或者有可能从网络中得到肯定或否定以外的回答吗？

有可能从人工神经网络中得到一系列答案。这取决于你如何建立你的神经元

人工神经网络通过使用已知解的示例进行训练来做出决策，通常在数千种情况下，输入和预期输出是已知的

他们通过递归调整每个神经元的权重，将其输出与预期输出进行比较，从而得到“训练”

你的第一层神经元是你的输入。最后一层是输出。如果你的最后一层有两个神经元，那么你将得到两个输出中的一个

人工神经网络可以有多少输入和输出是没有限制的。查看以下图表：

这是我创建的人工神经网络的一个例子，它可以预测异或门的输出。希望这有帮助

为了清晰起见，这里有一个异或门的真值表

[更新]

为了明确回答你关于图像分类的问题，我相信人工神经网络是一种很好的方法

---

下面是一个我发现有助于理解图像分类器实现的示例。您还可以使用GUI神经网络应用程序进行实验，这是了解神经网络工作原理的直观方法。

它们使用滚动窗口，即在不同位置向ANN提供图像的子区域。谢谢！但是这些可以转换成像素坐标之类的东西吗？或者这是一种无效的策略吗？是的，我相信是的，不过我不是神经网络方面的专家。然而，我相信这可以通过在图像块中迭代来完成。例如，在原点（X，Y）获取一个WxH图像片段，并将该图像片段传递给神经网络。它基本上会扫描图像以查找所需的对象，如果识别出该对象，则返回true。我已经更新了我的答案，链接到一篇关于图像分类的文章。谢谢批准！当你达到15次代表时，请投票表决我的答案！我非常感谢您的支持：）