tensorflow - 根据点的数量和大小，使用哪种神经网络将点状图像分类为一个数字？

Question

我目前正在尝试训练 CNN 将由点组成的图像分类到一个类，该类是一个取决于点的数量和大小的值。更多的点应该属于高数字类，而较少的点应该属于低数字类。

我想知道是否有替代 CNN 来完成这项任务。我刚开始设计 CNN，因为它是一个图像问题，但后来意识到与图像中其他对象分类问题的不同之处在于，这些图像并没有真正具有与对象图像相同的属性，例如边缘。

主要目标是当输入是此类图像时从网络中获取一个数字，并且我没有偏好如何做到这一点，除非它必须是机器学习解决方案。

这就是图像的外观。我有可能使用两种不同的类型，一种是原始的，另一种是二进制灰度黑白。

二进制黑白图像

原始图像

Answer 1

您可以将图像转换为二进制，其中像素将有 0 和 1，假设 0 是背景，1 是点。您可以将该图像中的所有 1 相加以获得您的类别，为了标准化输出，您可以将其除以一些数字。

如果您想要机器学习解决方案，那么只需将该二进制图像输入单个 Dense 层，这将是一个回归问题而不是分类问题。你的输出激活函数应该是 RELU 和损失函数 MSE。