Python 卷积神经网络?
我正在做一个“情绪检测”项目 作为制作完整产品的第一步,我们从图像处理开始。我从互联网上了解到,卷积神经网络是最好的方法Python 卷积神经网络?,python,image-processing,matrix,conv-neural-network,Python,Image Processing,Matrix,Conv Neural Network,我正在做一个“情绪检测”项目 作为制作完整产品的第一步,我们从图像处理开始。我从互联网上了解到,卷积神经网络是最好的方法 import cv2 import numpy as np def sum_cnn(image,x,y): x1,y1=np.shape(image) temp=image for i in range(0,x1-x): for j in range(0,y1-y): temp1=np.sum(image[i:
import cv2
import numpy as np
def sum_cnn(image,x,y):
x1,y1=np.shape(image)
temp=image
for i in range(0,x1-x):
for j in range(0,y1-y):
temp1=np.sum(image[i:i+x,j:j+y])/(x*y)
if temp1 in range(850000,1100000):
cv2.rectangle(temp, (i, j), (i+20, j+20), (0, 255, 0), 2)
print "\n"
return temp
image =cv2.imread('test.jpg')
image=cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
image=np.matrix(image)
temp=sum_cnn(image,95,95)
cv2.imshow('Processed Video', temp)
cv2.imwrite('1.jpg',temp)
print "Done"
上面是我写的代码-值(8500011000)是矩阵的一个卷积范围的和的值(对不起,代码很粗糙,我今天早上开始写)
我要问的问题是,如何设计或获得一个矩阵来存储权重
1) 对于每种对象检测,我只能使用一个矩阵(例如,一个粗糙的单层CNN,它将为“汽车”和“脸”提供不同的值),还是应该为“汽车”和“脸”使用单独的矩阵
2) 如何处理同一物体的不同尺寸?我在互联网上看到的一个解决方案是不断调整原始图像的大小。我想知道是否有更快的方法
3) 在反向传播中,我们给出的获得优化权重矩阵的粗略条件是什么?首先,如果你认真计划使用神经网络,我会 建议您从以下内容开始。那一页对我来说真是太好了 我会说,从神经网络开始吧。曾经有过基本的 了解神经网络你可以尝试使用一个框架 或者想建立一个CNN 老实说,我不太确定你的代码是关于什么的,但我会试试看 尽我所能回答你的问题
附言:请随意纠正我我同意这一点。CNN可能不是你可以直接写下来的东西。相应的斯坦福课程是一个很好的学习和理解的来源:所有材料,包括教程和代码都是开放的。由于您已经进入Python世界,Tensorflow也是一个很好的库,特别是因为有许多现有的CNN示例和所有其他类型的神经网络可用,您可以使用它们进行定位。