c++ - 使用反向传播神经网络进行人脸识别？

Question

我是图像处理方面的新手，我的第一个任务是制作一个可以识别人脸及其名称的工作程序。到目前为止，我成功地制作了一个项目来检测，裁剪检测到的图像，使其成为 sobel 并将其转换为浮点数组。但是，我很困惑如何实现反向传播 MLP 来学习图像，以便它可以识别检测到的人脸的正确名称。

stackoverflow 的所有专家都非常荣幸能够给我一些示例，如何实现要通过反向传播学习的 Image 数组。

Answer 1

它是标准的机器学习算法。您有许多浮点数组（ML 中的实例或统计术语中的观察）和相应的名称（标签、类标签），每个数组一个。这足以用于大多数 ML 算法。特别是在 ANN 中，数组的元素（即特征）是网络的输入，标签（名称）是其输出。

如果您正在寻找反向传播的理论描述，请查看斯坦福的 ml-class 讲座（ANN 部分）。如果您需要现成的实施，请阅读此问题。

您尚未指定数组的元素是什么。如果您只使用原始图像的像素，这应该可以工作，但效果不是很好。如果您需要生产级系统（尽管仍然使用 ANN），请尝试提取更多高级特征（例如，OpenCV 使用的类似 Haar 的特征）。

Answer 2

您是否尝试过将特征向量写入arff文件并将它们提供给weka，只是为了看看您的方法是否可行？Weka 集成了很多分类器，包括 MLP。据我所知，我怀疑您选择的功能和分类器不起作用。

对于您最初的问题：您是否尝试过自己实现神经网络？如果是这样，你卡在哪里了？请注意，这里不是向观众请求完整工作实施的地方。

为一般问题提供一般答案：通常您在 MLP 中有节点。特别是输入节点、输出节点和隐藏节点。这些节点严格按层组织。底部的输入层，顶部的输出层，中间的隐藏层。节点以简单的前馈方式连接（仅允许输出连接到下一个更高层）。然后，您将每个节点连接float到单个输入节点，并将特征向量提供给您的网络。对于反向传播，您需要提供为输出节点指定的错误信号。因此，如果您有n要区分的名称，则可以使用n输出节点（即每个名称一个）。例如，让它们1在匹配的情况下返回，并且0别的。您可以很好地使用一个输出节点并让它返回n不同的名称值。也许最好使用n完全不同的感知器，即每个名称一个，以避免一些副作用（灾难性干扰）。

请注意，每个节点的输出是一个数字，而不是一个名称。因此，您需要使用某种阈值来获得数字名称关系。另请注意，您需要大量训练数据来训练大型网络（即遵守维度诅咒）。知道float数组的大小会很有趣。实际上，对于复杂的决策，您可能需要更多的隐藏节点甚至隐藏层。进一步注意，您可能需要进行大量评估（即交叉验证）才能找到最佳配置（层数、每层节点数），或者甚至找到任何工作配置。

祝你好运，无论如何！