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并返回它是否通过质量检查。此质量检查将在 2000 个样本大小中进行确定和训练，其中包含 50% 的好照片和 50% 的坏照片。

假设我正在执行检查的图片是 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来做到这一点。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。所需的内存量超过了我的 128GB 内存机器。

我不知道我应该如何处理这个项目以提高内存效率？ （至少在 128GB 以内）

期待就我应该采取什么方法让它发挥作用进行公开讨论！

谢谢

Answer 1

您应该使用卷积神经网络。我建议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，这通常在机器视觉中完成。将所有图像缩小到 256x256 像素。