Question

CNN神经网络给图像分类（Matlab）

本人研一刚入学，老师让用CNN给图像分类。导师之前不是从事跟图像有关的研究，一直都是自己在学习。下载了一个deeplearning toolbox，终于运行了出来了结果。关于CNN的原理框架大概也都明白，不知道下一步该怎么办，学习什么了？
1、是要把自己的图像数据变成MNIST数据集的格式输入到该网络中训练吗？（它的这个手写数字体都是灰度图像，那么彩色图像怎么办呢？）
2、做CNN的都是在deeplearning toolbox里这些函数的基础上修改函数变量吗？这是不是相当于一个模版？（cnntrain、cnnff、cnnapplygrads、cnntest）
3、真的不知道自己该怎么学习CNN了，希望懂的朋友可以给指条明路啊！！
（本科是通信专业的，不是计算机）
谢谢！

Answer 1

1. 你要看你的图像是什么。如果是彩色数字，先转成灰度。用MNIST训练网络。如果是各种主题，用彩色的imageNET训练。如果你的数据量大到足以与数据集媲美，那么直接用你的数据训练网络即可。

   在流行的数据集上训练完，你需要固定卷积池化层，只训练后面的全连接层参数，用你自己的数据集。

2. CNN一是调整网络结构，几层卷积几层池化，卷积的模板大小等。而是在确定结构上调整参数，weight scale，learning rate，reg等。

3. 你用CNN做图像分类，无非是把CNN当成学习特征的手段，你可以吧网络看成两部分，前面的卷积层学习图像基本-中等-高层特征，后面的全连接层对应普通的神经网络做分类。

需要学习的话，首先你去看UFLDL教程。然后cs231n

与其问别人，首先你看了imageNet数据集了吗？

对于把流行数据集与自己数据混合训练模型的方法。如果两种数据十分相似，也未尝不可。但是对于流行数据集而言，自己的标注数据量一般不会太大，如果是1：1000，1:100这种比例，那么可能不加自己的数据，完全用数据集训练的模型就能得到一个还好的结果。

如果自己的数据和数据集有些差别，那混在一起我认为自己的是在用自己的数据当做噪声加到数据集中。cnn认为图像是局部相关的，而欺骗CNN的方法则主要出于，自然图像分布在一种流形结构中，训练的模型需要这种流形假设，而人工合成的图像由于添加非自然噪点，不满足模型假设，所以能用肉眼难分辨的噪声严重干扰分类结果。

如果二者相差过大，数据集是一种分布，你的数据是另一种，放到一起训练，我没试过，但我认为结果不会太好。

这时候只能把数据集用来训练cnn的特征提取能力。而后用于分类的全连接层，视你的数据量调整规模。

Answer 2

刚刚看到,奉劝一句,还是放弃deeplearning toolbox吧,因为里面有很多错误,而且,如果想对网络进行改进很麻烦的,还是转到tensorflow或者caffe吧,不想换语言,可以用matconvnet框架

Answer 3

你做的是直接输入彩色的图像吗

追问

是的，要让他学习颜色特征。你好，我想请教您关于CNN图片分类的问题，为什么不能把图片直接改成矩阵形式导入现成的程序中呢？那如果要实现分类，要做哪些工作？