我在寻找了解是否可以训练神经网络来判断提供的图像是否符合训练期望的人。

假设我们有一个训练过以读取800×800像素彩色图像的神经网络。因此，我将有1,920,000个输入，许多隐藏层和一个输出。我计划准备2000张照片，其中包括1000张不好的照片（模糊、太暗、太亮等）和1000张好的照片，并训练神经网络来识别这张照片是否被认为是“好”的。如果是好的，那么输出将为True（或任何大于0.5的值），任何不好的将输出False（或任何小于或等于0.5的值）。

我不需要神经网络给出理由，我只需要根据训练检测任何不好的照片。因此，当神经网络处理第2001张照片（这是一张新照片）时，它将使用其训练过的网络来判断这是一张好照片还是坏照片。

这是神经网络的一个好用途吗？

期待积极的讨论！

回答：

这是卷积神经网络的一个好应用。有许多可用的库和服务可以做到这一点。

Caffe是用于此目的的工具，尽管我没有使用它的经验。可以谷歌搜索其他工具，搜索“卷积神经网络”。

至于服务，有Clarifai、MetaMind和Project Oxford等几个例子。不过它们可能不是免费的。