我需要能够判断一个形状是正确还是错误地绘制，

我有形状的样本数据，这些数据包含形状和像素的顺序（由像素的颜色表示）

例如，你可以看到降采样图像和颜色变化

我很难确定需要定义什么样的网络来接受这种类型的输入进行训练。

我应该将降采样图像转换为矩阵并输入吗？假设我的图像是64×64的，我需要64×64个输入神经元（如果忽略像素的颜色，我想），这是可行的解决方案吗？

如果你有任何指导，我会很感激的 🙂

回答：

我给你提供了一个例子。下面是一个二值化的4×4图像，显示的是字母c。你可以选择连接行或列。我选择按列连接，如图所示。然后每个像素映射到一个输入神经元（总共16个输入神经元）。在输出层，我有26个输出，对应字母a到z。

注意，为了简化，在图中我没有将层i的所有节点连接到层i+1，但你可能应该全部连接。

在输出层，我高亮了c的节点，以表明在这一训练实例中，c是目标标签。预期的输入和输出向量在图的底部列出。

如果你想保留颜色的强度，例如，R/G/B，那么你必须将输入的数量增加三倍。每个单一像素将被三个神经元替代。

希望这对你有帮助。对于进一步的阅读，我强烈建议你查看Andrew Ng的深度学习教程，链接在这里 – 这里 – UFLDL。这是图像识别问题的最新技术。在教程的练习中，你将接受大量的图像预处理和图像处理的工程技巧训练，结合有趣的深度学习算法，从头到尾进行学习。