Нейросетевое распознавание изображений

Всем добрый день!
Есть у меня курсовой проект "Нейросетевое распознавание пола человека по изображению его лица".
Я использую рециркуляционную сеть (64 х 30)+многослойный персептрон (30 х 5 х 2). Моя проблема заключается в том, что если при обучении последняя фотография, которую я подаю на сеть, мужская, то при самом распознавании сеть на все фотографии будет отвечать, что они мужские. и наоборот.
При обучении и распознавании я разбиваю фотографию на 64 сектора и т.о. в конце сеть на одном поле "пребывает" 64 раза. и весовые коэффициенты модифицируются на распознавание именно мужчины.
Что можно сделать, чтобы весовые коэффициенты "работали универсально" на всех фотографиях? Пожалуйста, подскажите, в чем моя ошибка! Мне очень нужна ваша помощь, я почти отчаялась...

Может быть, кто-то сталкивался с подобной задачей...

Заранее очень благодарна! Жду ответа.

0

чтото мне подсказывает, что надо разбивать на большее количество сегментов фотографию

0

у меня задача состоит в распознавании текста на изображении. тоже использую нейросети. сначала идёт сегментация, выделение областей изображения, где находится буква. потом я ужимаю каждый сегмент до фиксированного размера, например 30х30 и подаю на нейросеть. пока реализован только персептрон. но у него 900 входов(по числу пикселей иконки которую я подаю на вход). почему у тебя 30 стоит?

0

потому что я использую рециркуляционную сеть для извлечения главных компонент, т.е. из 64 значений я беру значащие 30. и уже эти 30 компонент я подаю на персептрон для разделения входного пространства образов на 2 кластера.

но, в общем, я наверное поняла свою ошибку. просто читать внимательнее надо алгоритм)) всем спасибо.

0

SecretSilent, ну поделитесь а? в чем беда была?

0

Всем Доброго здоровья! Ребята, а где можно подробнее изучить эту тему? У кого-нибудь есть литература? Спасибо!

0

radiohobbyt, дело было в том, что алгоритм обратного распространения ошибки подразумевает сравнение с желаемой ошибкой полученной средней квадратичной ошибки после подачи всех образов, т.е. в моем случае после подачи всех изображений, представляющих обучающую выборку. А моя глупая ошибка была в том, что я обучала персептрон до нужной ошибки на каждом секторе изображений. Вот и получалось, что весовые коэффициенты сети подстраивались на распознавание только того пола, представителем которого был человек на последней фотографии в выборке.
Такая вот глупость с моей стороны Кстати, сейчас программа распознает пол!:dance3:


NewbieС,
у меня есть напиши мне в личку свой и-мэйл, я тебе вышлю всё, что нашла. Тебе именно по распознаванию пола или вообще человека по фотографии (но об этом в личке!)?


А еще попутно вопрос по рециркуляционным сетям, а именно по правилу обучения Ойя. Может быть, кто-то знает, как наиболее оптимально подобрать количество нейронных элементов в сжимающем слое? Может быть, есть какие-то формулы... Просто эмпирический подход ну никак не подходит сеть и так оооооочень долго обучается.

2

Сообщение от SecretSilent алгоритм обратного распространения ошибки подразумевает сравнение с желаемой ошибкой полученной средней квадратичной ошибки после подачи всех образов, т.е. в моем случае после подачи всех изображений, представляющих обучающую выборку. А моя глупая ошибка была в том, что я обучала персептрон до нужной ошибки на каждом секторе изображений. Вот и получалось, что весовые коэффициенты сети подстраивались на распознавание только того пола, представителем которого был человек на последней фотографии в выборке.

Можно и на каждом отдельном образе учить персептрон. Только учить его не до упора - а чуть-чуть, и переходить к следующему образу. Так называемое online-обучение. На больших и сверхбольших базах данных гарантированно будет быстрее, чем batch-обучение (обучение по суммарному для выборки образов градиенту).

Сообщение от SecretSilent Может быть, кто-то знает, как наиболее оптимально подобрать количество нейронных элементов в сжимающем слое? Может быть, есть какие-то формулы... Просто эмпирический подход ну никак не подходит сеть и так оооооочень долго обучается.

Формулы есть, но они не работают. Гарантирую всем своим опытом. Т.е. всё равно приходится тупо перебирать набор размеров сети и строить график изменения желаемой функции (например, график ошибки) вдоль оси размера и искать на этом графике экстремум.
А что долго обучается - так это проблема кривого программного кода (неоптимизирован или не позволяет компилятору задействовать наиболее эффективные команды процессора), либо проблема Билдера (он о современных командах процессора и не знает), либо проблема неправильно выбранного алгоритма. У меня вариант ооочень многослойного персептрона (гораздо большего размера, чем у Вас) на 250 тыс. картинок размером в 100*200 обучается за несколько часов, а на Вашей базе и при Вашем размере сети обучится, думаю, максимум за минуты

1

SecretSilent, привет, у тебя не остталось курсача по нейросетевому программированию

0