我在这里寻求指导。我可以使用多层感知器 (MLP)，例如常规平面神经网络，进行图像分类吗？
他们会比 Fisher Faces 表现更好吗？
用 MLP 网络做图像分类难吗？
它是在基本级别上，例如对对象进行分类，而不是详细的结构和模式。
对我来说重要的是，MLP 需要使用背景中可能有噪点和不同光影的图片进行训练。
我可以使用多层感知器 (MLP) 进行图像分类吗？
人工智能
分类
图像识别
多标签分类
2021-10-26 10:11:52
3个回答
多层感知器（MLP）可用于图像分类，但它比卷积神经网络（CNN）有很多不足。但是如果你比较MLP和Fisher Faces，更好的是MLP，因为如果添加更多的个人或类，Fisher Faces 将变得越来越困难。您可以制作一个简单的 MLP 模型，因为它只有 3 层，即输入层、隐藏层和输出层，这里有一个您可以尝试的源代码：
如果您制作模型，它将基于训练数据，我认为如果根据背景中的噪声和图像上的不同光影组成训练数据，我认为它会有更好的性能，但请记住，如果您使用MLP图像分类它只能预测一个点的图像，例如：“如果你用图像中间的对象训练模型，当图像移动到不同的点时，你的模型无法预测它”。
这是查看 Fisher Faces 性能的 pdf：
让我试着回答你的问题。是的，您可以使用多层感知器进行图像分类。多层感知器是最常见的 ANN 拓扑，其中感知器连接形成层。MLP 具有输入层、至少一个隐藏层和输出层。多层感知器是许多使用的一种方法。其中之一，关于基于颜色对人体皮肤进行分类的研究，Khan (Khan, Hanbury, Stöttinger, & Bais, 2012) 比较了九种分类方法，包括 BayesNet、J48、多层感知器 (MLP)、朴素贝叶斯、随机森林, 和支持向量机。结果表明，多层感知器 (MLP) 在随机森林和 J48 之后产生了最高的性能。
取决于，如果面居中并且具有相同的背景是的。您还需要大量数据。
如果它们是日常生活图像，那么不是。你会有非常糟糕的概括。