히스토그램 비교 "가난한 사람들을위한 연결 네트워크"

Question

OpenCV를 사용하여 패턴 인식을 배우고 분류자를 구현하려고합니다.

일반적인 이해는 모든 입력 값에 대한 연결 네트워크 평가를 실행하고 의사 결정을 내리는 것입니다. 이제, NN이 내 정신력을 능가한다는 것을 배우는 것이 두려워요. 그리고 나는 쉬운 길을 찾고 있습니다.

제 질문은 입력 값의 히스토그램을 만들 수 있습니까? X는 피쳐 클래스이고 Y는 값입니다. 간단한 히스토그램 비교를 사용하여 결정을 내리십니까? (컬러 히스토그램과 같은 의미는 아닙니다.)

이미 그런 방법을 적용 했습니까? 그렇다면 결과는 얼마나 정확한가?

감사합니다.

Answer 1

당신이 제안하는 것은 참으로 단층 신경망 (single layer perceptron/linear classifier)과 매우 유사합니다. 이미지에 N 개의 기능이 있다고 가정 해 보겠습니다. 당신의 신경망은 N 개의 입력을 가지게 될 것인데, 여기서 입력의 값은 피쳐가 발생하는 횟수 또는 피쳐의 값/강도가 될 수 있습니다.

클래스 A와 B가 두 개인 경우 출력 노드가 하나만 있습니다. 각 입력은 무게로 출력에 연결됩니다. 출력은 모든 가중 출력의 합계입니다. 출력이 임계 값보다 높으면 데이터를 클래스 A로 분류하고 그렇지 않으면 클래스 B로 분류 할 수 있습니다. 데이터를 올바르게 분류하려면 네트워크에서 가중치를 수정해야합니다 (이를 "교육"이라고 함).

더 많은 수업을 원하면 더 많은 출력 노드를 추가 할 수 있습니다. 그러나 일부 데이터는 여러 클래스로 분류 될 수 있습니다. 또한 네트워크는 항상 선형 함수 근사자입니다. 사이에 레이어를 추가하면 네트워크가 훨씬 강력 해집니다!

기본 신경망은 쉽습니다. Wikipedia에서 더 많은 시간을 읽으시기 바랍니다.