我对使用微软Kinect创建一个能够检测如钢笔这类物体的软件很感兴趣。我收集了100张正样本图像和200张负样本图像，以便用于人工神经网络。我的问题是：如何将这些图像转换为ANN的输入？我猜测最后一层只有一个神经元，因为输出只有是或不是钢笔，我还猜测输入也只有一个，我想使用总共三层。但我不知道是否应该将正负图像转换为矩阵，或者我可以做些什么？

回答：

首先，欢迎来到Stackoverflow！

我个人从未使用Kinect进行图像识别，但如果可能的话，你应该将图像缩小到一个相当合理的尺寸，比如100x100，这样处理起来会更容易。

你还应该尝试将图像转换为灰度，这将有助于提高计算效率，缩短开发时间，并且比RGB更容易上手。

输入层不会是1，这是肯定的。如果我们指的是尺寸为100×100的图像，总输入数量应该是10000，每个像素一个。记住，你试图将数据尽可能细化，以便ANN能够检测数据中的模式。

输出层实际上应该有2个神经元，这是有充分理由的。记住，每个输出神经元都在测量输入属于相应类别的可能性。通过设置2个神经元，每个可以代表正类（是的，这是钢笔）或负类（不，这不是钢笔）。因此，通过2个神经元，你可以得到图像属于该类的概率，然后你可以选择最高值作为答案。

总共3层应该足够了，你可能永远不需要更多。有一些非常好的文章可以帮助你确定应该有多少层，比如这篇希望这对你有帮助！如果你有任何进一步的问题，请告诉我。