图像质量神经网络项目

Question

我正在尝试创建一个神经网络项目来确定彩色图像的质量以及 return 它是否通过质量检查。此质量检查将在 2000 个样本量中确定和训练，其中包含 50% 的好照片和 50% 的坏照片。

假设我正在检查的图片是 1280x1280 像素，RGB 没有 Alpha 通道。我正在尝试创建以下神经网络

输入层 ==> 1280 * 1280 * 3 = 4915200 个神经元

2 x 隐藏层 ==> 第 1 层 = 1638400 和第 2 层 = 409600 个神经元

输出层 ==> 1 个神经元

我遇到的问题是，在简单的 XOR 训练中，我们可以轻松地使用 2 个输入、1 个由 2 个神经元和 1 个输出神经元组成的隐藏层。然而，当它成为现实世界的应用程序时，内存成为一个巨大的问题。所需内存量超过我128GB内存的机器

我不知道我应该如何处理这个项目才能使它的内存效率更高？ （至少128GB以内）

期待公开讨论我应该采取什么方法让它发挥作用！

谢谢

Answer 1

你应该使用卷积神经网络。我建议只从图像识别项目中复制一个神经网络，然后在你的数据集上重新训练它。一个高效的卷积神经网络实现不应该使用那么多内存，尽管它可能需要很长时间来训练。

您还可以使用较低分辨率的图像，这是机器视觉中通常使用的方法。将所有图像缩小到 256x256 像素。