基於真假的圖像識別的神經網絡庫

Question

我需要一個（簡單）任務的人工神經網絡庫（最好是在Python中）。我想訓練它，以便它可以告訴我們一件事情在圖像中。我會通過餵養它大量的圖片，並告訴其還判定是否包含我正在尋找或沒有的事訓練它：

這些映像包含這個東西，返回True （或包含它的概率事情）

這些圖像不包含這個東西，返回False （或包含的東西它的概率）

這樣的圖書館是否已經存在？我對人工神經網絡和圖像識別相當陌生;雖然我理解他們兩人在原則上是如何工作的，但我發現很難爲此任務尋找一個合適的圖書館，甚至在這一領域的研究已被證明是一種挫敗感 - 任何有關正確方向的建議都是非常值得讚賞的。

Answer 1

Python中有幾種很好的神經網絡方法，包括TensorFlow，Caffe，Lasagne和sknn（Sci-kit神經網絡）。 sknn提供了一個簡單的開箱即用解決方案，但在我看來，定製更加困難，而且對於大型數據集可能會很慢。

需要考慮的一件事是，您是要使用CNN（卷積神經網絡）還是標準的ANN。使用ANN時，大多數情況下可能需要將圖像「展開」爲矢量，而使用CNN則希望圖像爲立方體（如果是彩色的，則爲正方形）。

以下是Python中的CNN上的good resource。但是，由於您並未真正在做一個多類圖像分類（爲此CNN是當前的黃金標準），並且做了更多的單個對象識別，您可以考慮使用轉換後的圖像方法，例如使用Histogram of Oriented Gradients (HOG) 。

在任何情況下，神經網絡方法（尤其是使用CNN）的準確性高度依賴於成功的超參數調整。不幸的是，在給定的情況下，超參數值（圖層的數量和大小，學習速率，更新規則，丟失百分比，批量大小等）是最優的還沒有任何一種通用理論。因此，準備好一個良好的培訓，驗證和測試集設置，以適應一個強大的模型。

Answer 2

我不知道任何可以爲你做到這一點的圖書館。我使用了很多Caffe，並可以給你一個解決方案，直到你找到一個可以爲你做的單個庫。

我希望你對ImageNet有所瞭解，並且Caffe有基於ImageNet的trained model。

這裏的理念是：

• 定義什麼是the object。說object = "laptop"。
• 當object在output labels中時，使用Caffe的ImageNet訓練模型，更改代碼以顯示所需的輸出（您提到TRUE或FALSE）。

這是我寫的ImageNet tutorial的鏈接。

這裏是你可以嘗試什麼：

• 看看here。這是我在預測引擎中使用的ImageNet程序的精簡版本。
• 在第80行中，您將獲得排名前1的預測輸出標籤。在第86行，你會得到前5名預測標籤。寫一行代碼來檢查object是否在output_label中，並根據它返回TRUE或FALSE。

我明白你正在尋找一個特定的圖書館，我會尋找它，但這是我會在開始時嘗試的。