Opencv 直方图比较为；“穷人的神经网络”；

我正在用OpenCV学习模式识别，并想实现一个分类器

据我所知，通常的方法是对所有输入值进行神经网络评估并输出决策。现在，我担心学习NN会超出我的智力，我正在寻找一种更简单的方法

我的问题是，是否可以创建输入值的直方图，其中X是一个要素类，Y是其值，并使用简单的直方图比较进行决策？（我不是说喜欢颜色直方图。）

有人已经采用了这样的方法吗？如果是，结果的准确性如何

---

谢谢你的提示。

你的建议确实非常类似于单层神经网络（/）。假设图像中有N个特征。然后，您的神经网络将有N个输入，其中输入的值可能是特征出现的次数或特征的值/强度

如果您只有两个类A和B，那么您将有一个输出节点。每个输入通过一个权重连接到输出。然后，输出是所有加权输出的总和。如果输出高于某个阈值，则可以将数据分类为A类，否则为B类。为了正确分类数据，必须修改网络中的权重（这称为“训练”）

如果希望有更多的类，可以添加更多的输出节点。但是，您将遇到这样的情况：一些数据可以被分类为多个类。此外，您的网络将始终是一个线性函数逼近器。通过在中间添加一层，您的网络将变得更加强大

---

基本的神经网络很简单。我建议你多花点时间在维基百科上读一读。

+1：谢谢你的解释和链接！我会尽力理解的。附言：刚开始阅读，立刻就喜欢上了。