我需要对来自视频摄像头的图像进行分类，主要考虑的特征包括：

• 物体形状（如三角形、正方形等基本形状）
• 物体颜色
• 少量变形

我已经在使用OpenCV进行形状识别，参考了这个实时跟踪教程和这个：

我的目标是，如果我在摄像头前展示一个小或大的正方形，它会被识别为颜色为’….’的正方形；如果我展示一个带有耳朵/变形的纸张（正方形或三角形），它会被识别为颜色为’….’的三角形。

我在寻找如何使用Encog进行图像分类，但找到的都是使用定量属性（如长度、宽度）进行分类，而不是通过形状进行分类。

Encog的示例是这个（在Pluralsight上可用）。

在这个Encog示例中，训练数据如下所示：

Sepal Length    Sepal Width Petal Length    Petal Width Species5.1             3.5         1.4             0.2         setosa4.9             3.0         1.4             0.2         setosa4.7             3.2         1.3             0.2         setosa7.0             3.2         4.7             1.4         versicolor6.4             3.2         4.5             1.5         versicolor6.9             3.1         4.9             1.5         versicolor6.3             3.3         6.0             2.5         virginica5.8             2.7         5.1             1.9         virginica7.1             3.0         5.9             2.1         virginica

在我的案例中，训练数据将是像素（Encog的mat类型），我的评估数据也是如此。

如何为Encog的训练数据归一化像素？

我需要一些线索和教程。非常感谢。

回答：

简短回答：从纯粹的技术角度来看，你需要将图像缩小到大约100×100像素，转换为灰度（用于形状识别），将所有像素转换为一个向量，并将最大整数像素值归一化为1.0（例如，如果你的像素值范围是[0..255]，你需要将所有值除以255）。对于彩色图像，通常会创建三个向量，每个通道（RGB）一个，以相同的方式归一化它们，然后连接起来并输入到至少有一个隐藏层的多层感知器（MLP）分类器中。这与你提供的简单示例非常相似，只是使用了更多的数据。

详细回答：以上可能是你使用Encog所能做的最好的事情，如果有足够的样本和足够的CPU/GPU资源，这应该能完成你的任务。然而，图像识别目前仍是一个开放性问题，没有单一的通用方法能解决所有问题。现在大多数工作都是使用卷积神经网络（Encog不支持），并且有许多重要的事情需要考虑，因此你可能需要阅读一些经典的图像识别论文来获取一些重要的想法。如果你需要理论方面的帮助，我认为最好在这里提问，因为像这样的理论和教程在我看来超出了SO的范围