python数据分析与挖掘学习笔记（7）-交通路标自动识别实战与神经网络算法

这一节主要涉及神经网络算法，由此展开交通路标自动识别的应用。

交通路标的自动识别其实就是一个分类问题。对于分类问题，我们有很多的方法来实现，比如KNN，贝叶斯等。关键点在于图片转文本。本节采用人工神经网络算法来进行识别。

人工神经网络（Artificial Neural Network）是简称神经网络(NN)，是基于生物学中神经网络的基本原理，在理解和抽象了人脑结构和外界刺激响应机制后，以网络拓扑知识为理论基础，模拟人脑的神经系统对复杂信息的处理机制的一种数学模型。

其结构为：

                         

对于一系列输入变量（信号）x1，x2，...xn，每一个变量具有一个权重，求和之后通过激活函数f得到一个输出的反馈。常见的激活函数有：

Relu，Sigmoid函数等。常见的神经网络算法包含BP神经网络，LM神经网络，FNN神经网络。这一节涉及的是BP神经网络。突然想起我本科毕设也是用的BP，这应该算是最基础的易理解的一种神经网络。

其结构为：

其分为输入层，隐含层和输出层。输入层交叉连接到隐含层，是按误差逆传播算法训练的多层前馈网络，得到误差后反向调整各个点的权重，直到最后的误差值在可接受范围内（小于设置的阈值）。

BP神经网络的实现是使用python的keras模块。该模块在深度学习中应用也非常广。

首先路标的数据是一张含有许多个路标的图片，