如何为神经网络中的训练图像设置目标向量?

我正在训练一个神经网络来识别三种不同的标志(停车标志、禁止左转标志和禁止进入标志)。我为每个类别拍摄了50张图片。每张图片的大小为8×8矩阵,因此我的输入将是150×64的矩阵,输出是3×1的矩阵,但我该如何为这些图像分配目标?另外,在进行训练之前是否需要对这些图像进行归一化处理?


回答:

如果图像没有标签(目标),当然需要自己对它们进行标记。标记50张图片应该不会花费太多时间。

此外,你还需要以某种方式对图像进行归一化处理,无论是最小-最大归一化,还是减去均值并除以标准差,如果不这样做,神经网络的训练将会失败。

Related Posts

使用LSTM在Python中预测未来值

这段代码可以预测指定股票的当前日期之前的值,但不能预测…

如何在gensim的word2vec模型中查找双词组的相似性

我有一个word2vec模型,假设我使用的是googl…

dask_xgboost.predict 可以工作但无法显示 – 数据必须是一维的

我试图使用 XGBoost 创建模型。 看起来我成功地…

ML Tuning – Cross Validation in Spark

我在https://spark.apache.org/…

如何在React JS中使用fetch从REST API获取预测

我正在开发一个应用程序,其中Flask REST AP…

如何分析ML.NET中多类分类预测得分数组?

我在ML.NET中创建了一个多类分类项目。该项目可以对…

发表回复

您的邮箱地址不会被公开。 必填项已用 * 标注