Neural network 训练神经网络

我有一张图片。1200*1175像素。我想训练一个网络（mlp或hopfield）来学习它的一个特定部分（201*111像素），以节省它的重量用于一个新的网络（具有相同的先前功能），而不训练它找到那个特定部分。现在有这样的问题：什么样的网络是有用的；mlp或hopfield，如果是mlp；隐藏层的数量；trainlm函数因“内存不足”错误而无效。我将图片转换为二进制图像，它有用吗？

我发现它有助于仅提取图像的重要位。使用高斯滤波器将图像大小调整为非常小的大小（如40x30）将使图像速度加快，并使更多的图像区域而不是一个微不足道的小像素具有权重。

您需要解决方案做什么？查找具有图像的对象（如“Waldo在哪里？”）。目标对象的大小和方向是否始终相同？可能因为光线变化而看起来不一样吗

如果您只需要在更大的图像中找到固定的像素模式，我建议使用简单的相关度量，例如互相关来高效地找到它

---

如果您需要解决上述任何问题，那么有两个基本解决方案：1。使用不同姿势、比例等的对象示例构建模型，以便模型能够识别其中任何一个，或2。开发一种方法来规范化正在检查的像素块，以最小化这些扭曲的影响（如胡的不变矩）。如果没有其他问题，YOU将需要执行某种数据缩减，以减少输入的数量。从技术上讲，你也可以尝试一个对旋转等保持不变的模型，但我不知道它们的效果如何。我怀疑它们比传统方法更温和。

谢谢您的关注。请帮助我更多。我想为它编写一个代码。如果可能的话，请再解释一下。对不起，巴德。神经网络和这类东西是一门很难的学科。你得读一读。嗨。我读了哈根的书和其他一些东西，亲爱的。我对adaboost一无所知。如果你有什么可以帮我的，我就要。非常感谢您的时间。您可以阅读我的论文，其中简要介绍了我们如何进行图像（而不是视频）分类。不知道会有多大帮助