[英]Neural network [ocr]
我來尋找有關我現在正在編寫的程序的一般提示。
目標是:使用神經網絡程序識別3個字母[D,O,M](如果我輸入的不是3個字母,則顯示“什么也沒有識別”)。
這是我到目前為止的內容:
我的單個神經元的課程
public class neuron
{
double[] weights;
public neuron()
{
weights = null;
}
public neuron(int size)
{
weights = new double[size + 1];
Random r = new Random();
for (int i = 0; i <= size; i++)
{
weights[i] = r.NextDouble() / 5 - 0.1;
}
}
public double output(double[] wej)
{
double s = 0.0;
for (int i = 0; i < weights.Length; i++) s += weights[i] * wej[i];
s = 1 / (1 + Math.Exp(s));
return s;
}
}
圖層的類:
public class layer
{
neuron[] tab;
public layer()
{
tab = null;
}
public layer(int numNeurons, int numInputs)
{
tab = new neuron[numNeurons];
for (int i = 0; i < numNeurons; i++)
{
tab[i] = new neuron(numInputs);
}
}
public double[] compute(double[] wejscia)
{
double[] output = new double[tab.Length + 1];
output[0] = 1;
for (int i = 1; i <= tab.Length; i++)
{
output[i] = tab[i - 1].output(wejscia);
}
return output;
}
}
最后是網絡課程
public class network
{
layer[] layers = null;
public network(int numLayers, int numInputs, int[] npl)
{
layers = new layer[numLayers];
for (int i = 0; i < numLayers; i++)
{
layers[i] = new layer(npl[i], (i == 0) ? numInputs : (npl[i - 1]));
}
}
double[] compute(double[] inputs)
{
double[] output = layers[0].compute(inputs);
for (int i = 1; i < layers.Length; i++)
{
output = layers[i].compute(output);
}
return output;
}
}
現在,我選擇了算法:
我有一個尺寸為200x200的圖片框,您可以在其中畫一個字母(或從jpg文件中讀取一個字母)。
然后,將其轉換為我的第一個數組(獲取整個圖片)和第二個數組(剪切周圍的無關背景),如下所示:
Bitmap bmp2 = new Bitmap(this.pictureBox1.Image);
int[,] binaryfrom = new int[bmp2.Width, bmp2.Height];
int minrow=0, maxrow=0, mincol=0, maxcol=0;
for (int i = 0; i < bmp2.Height; i++)
{
for (int j = 0; j < bmp2.Width; j++)
{
if (bmp2.GetPixel(j, i).R == 0)
{
binaryfrom[i, j] = 1;
if (minrow == 0) minrow = i;
if (maxrow < i) maxrow = i;
if (mincol == 0) mincol = j;
else if (mincol > j) mincol = j;
if (maxcol < j) maxcol = j;
}
else
{
binaryfrom[i, j] = 0;
}
}
}
int[,] boundaries = new int[binaryfrom.GetLength(0)-minrow-(binaryfrom.GetLength(0)-(maxrow+1)),binaryfrom.GetLength(1)-mincol-(binaryfrom.GetLength(1)-(maxcol+1))];
for(int i = 0; i < boundaries.GetLength(0); i++)
{
for(int j = 0; j < boundaries.GetLength(1); j++)
{
boundaries[i, j] = binaryfrom[i + minrow, j + mincol];
}
}
然后像這樣將其轉換為我的最終12x8數組(我知道我可以將其縮短很多,但是希望每個步驟都處於不同的循環中,這樣我就可以更容易地發現出了什么問題[如果有的話]):
int[,] finalnet = new int[12, 8];
int k = 1;
int l = 1;
for (int i = 0; i < finalnet.GetLength(0); i++)
{
for (int j = 0; j < finalnet.GetLength(1); j++)
{
finalnet[i, j] = 0;
}
}
while (k <= finalnet.GetLength(0))
{
while (l <= finalnet.GetLength(1))
{
for (int i = (int)(boundaries.GetLength(0) / finalnet.GetLength(0)) * (k - 1); i < (int)(boundaries.GetLength(0) / finalnet.GetLength(0)) * k; i++)
{
for (int j = (int)(boundaries.GetLength(1) / finalnet.GetLength(1)) * (l - 1); j < (int)(boundaries.GetLength(1) / finalnet.GetLength(1)) * l; j++)
{
if (boundaries[i, j] == 1) finalnet[k-1, l-1] = 1;
}
}
l++;
}
l = 1;
k++;
}
int a = boundaries.GetLength(0);
int b = finalnet.GetLength(1);
if((a%b) != 0){
k = 1;
while (k <= finalnet.GetLength(1))
{
for (int i = (int)(boundaries.GetLength(0) / finalnet.GetLength(0)) * finalnet.GetLength(0); i < boundaries.GetLength(0); i++)
{
for (int j = (int)(boundaries.GetLength(1) / finalnet.GetLength(1)) * (k - 1); j < (int)(boundaries.GetLength(1) / finalnet.GetLength(1)) * k; j++)
{
if (boundaries[i, j] == 1) finalnet[finalnet.GetLength(0) - 1, k - 1] = 1;
}
}
k++;
}
}
if (boundaries.GetLength(1) % finalnet.GetLength(1) != 0)
{
k = 1;
while (k <= finalnet.GetLength(0))
{
for (int i = (int)(boundaries.GetLength(0) / finalnet.GetLength(0)) * (k - 1); i < (int)(boundaries.GetLength(0) / finalnet.GetLength(0)) * k; i++)
{
for (int j = (int)(boundaries.GetLength(1) / finalnet.GetLength(1)) * finalnet.GetLength(1); j < boundaries.GetLength(1); j++)
{
if (boundaries[i, j] == 1) finalnet[k - 1, finalnet.GetLength(1) - 1] = 1;
}
}
k++;
}
for (int i = (int)(boundaries.GetLength(0) / finalnet.GetLength(0)) * finalnet.GetLength(0); i < boundaries.GetLength(0); i++)
{
for (int j = (int)(boundaries.GetLength(1) / finalnet.GetLength(1)) * finalnet.GetLength(1); j < boundaries.GetLength(1); j++)
{
if (boundaries[i, j] == 1) finalnet[finalnet.GetLength(0) - 1, finalnet.GetLength(1) - 1] = 1;
}
}
}
結果是一個0x和1的12x8(我可以在代碼中更改它以便從某些表單控件獲取它)數組,其中1形成繪制的字母的大致形狀。
現在我的問題是:這是正確的算法嗎? 是我的職責
1/(1+Math.Exp(x))
好用在這里? 拓撲應該是什么? 2或3層,如果是3層,則隱藏層中有多少個神經元? 我有96個輸入(finalnet數組的每個字段),所以我也應該在第一層接受96個神經元嗎? 我是否應該在最后一層中包含3個神經元或4個神經元(考慮到“未識別”的情況),還是沒有必要?
謝謝您的幫助。
編輯:哦,我忘了補充,我要使用反向傳播算法來訓練我的網絡。
使用反向傳播方法,您可能至少需要4層才能獲得准確的結果。 1個輸入,2個中間層和一個輸出層。
12 * 8矩陣太小(可能會導致數據丟失,從而導致完全失敗)-嘗試嘗試16 *16。如果要減小尺寸,則必須剝去黑色像素的外層進一步。
考慮使用您的參考字符來訓練網絡。
請記住,您必須再次將輸出反饋回輸入層,並對其進行多次迭代。
前一段時間,我創建了一個神經網絡來識別數字0-9 (python,對不起),因此根據我的(簡短)經驗,可以確定3層,而96/50/3拓撲可能會做得很好。 至於輸出層,則由您選擇; 您可以在輸入圖像不是D,O或M的情況下反向傳播全0,或使用第四個輸出神經元表示未識別出該字母。 我認為第一種選擇是最好的選擇,因為它更簡單(培訓時間更短,調試網絡的問題更少...),您只需要應用一個閾值即可將圖像分類為“無法識別”。
我也使用了sigmoid作為激活函數,雖然我沒有嘗試其他方法,但它確實有效:)
聲明:本站的技術帖子網頁,遵循CC BY-SA 4.0協議,如果您需要轉載,請注明本站網址或者原文地址。任何問題請咨詢:yoyou2525@163.com.