你好，我正在进行一个项目，使用ANN和emgucv在C#的Visual Studio 2010中识别钢笔。我有一个关于ANN的问题。我必须训练ANN来识别钢笔。因此，我在输出层设置了一个神经元，用于两种分类（钢笔或非钢笔）。我用1100张钢笔的图片训练了ANN，我的疑问是：对于第二类（第一类是钢笔），我是否需要用非钢笔的图片来训练ANN？或者，如果我展示一张ANN未训练过的图片，ANN会认为它不是钢笔吗？

回答：

正如@Beaker指出的，ANN会假设所有东西都是钢笔。然而，你可以使用输出的水平来预测它是钢笔的可能性。但你真正想要做的，是用钢笔和非钢笔的图片来训练它。你还可以尝试使用两个输出节点，一个用于钢笔，一个用于非钢笔。这通常是人们进行神经网络分类的方式，尽管使用单一输出节点也应该可以。请注意，你选择的激活函数会影响节点间输入和输出的范围（例如，sigmoid函数期望0-1，tanh函数期望-1到1）。此外，网络的层数和每个隐藏层中的神经元数量可能会产生很大影响。确保你至少有一个隐藏层。如果只有输入层和输出层，效果可能不会很好。

如果你没有非钢笔的图片，我建议使用一些在线的随机物体图片来训练负面案例。然而，既然你似乎已经有了使用这个系统的计划，给它展示与训练后将要看到的图片相似的图片，会带来更好的性能。