2024-03-29 09:26:29 发布
网友
我需要建立一个神经网络来识别图像中的多个特定形状配置(正方形、三角形…),并改变它们的颜色作为输出
因此,神经网络将(例如)以32x32x1(灰度)的图像作为输入,以32x32x3作为输出。我的问题是:我应该用什么样的损失函数来训练我的神经网络。因为我读了一些文章来找出答案,而这不是一个分类或回归问题(根据我的理解),所以我有点迷茫,因为我是一个新手
如果没有与图像对相关联的形状,则仅对图像: 您可以构建图像去噪网络(https://www.pyimagesearch.com/2020/02/24/denoising-autoencoders-with-keras-tensorflow-and-deep-learning/),并使用反卷积生成彩色图像
损耗函数:您可以使用MSE损耗函数,通过比较网络输出图像和真实图像的每个通道中的每个像素来计算损耗
如果您有与每个输入图像关联的形状: 然后,您可以构建一个简单的深度神经网络分类器来预测形状,然后根据形状填充输出图像中的颜色值(这可以使用python中的cv2库执行)
如果没有与图像对相关联的形状,则仅对图像: 您可以构建图像去噪网络(https://www.pyimagesearch.com/2020/02/24/denoising-autoencoders-with-keras-tensorflow-and-deep-learning/),并使用反卷积生成彩色图像
损耗函数:您可以使用MSE损耗函数,通过比较网络输出图像和真实图像的每个通道中的每个像素来计算损耗
如果您有与每个输入图像关联的形状: 然后,您可以构建一个简单的深度神经网络分类器来预测形状,然后根据形状填充输出图像中的颜色值(这可以使用python中的cv2库执行)
相关问题 更多 >
编程相关推荐