神经网络输入图片大小,神经网络提取图片特征

BP神经网络输入输出格式问题

在你的代码基础上说了。clc;clear;closeall;p=load('');%你问题最后说的数据文件名跟这个不同。

p1=p';t=[1];%这个输出（Targets）应该和输入数据对应，输入数据有10个，输出应该也是10个所以改为t是一个1x10的行向量。

深度学习作为输入的图像一般是矢量图吗

深度学习作为输入的图像一般为矢量图AI爱发猫 www.aifamao.com。在电脑中，图像有两种表达方式，一种叫做位图，另一种叫做矢量图。位图是把一幅彩色图像分成许许多多像素，用若干位数字来指定每个像素的颜色、亮度等属性。

因此一幅位图就由许许多多描述每个像素的数据构成，这种表示方法很直观，而且能够很精细地描述图像。位图一般可以通过扫描仪、数码相机等设备获得。影响位图大小的因素是图像的分辨率和颜色数。

矢量图是由一系列电脑指令来表示一幅图，比如画点、画线的指令等，用数学表达式来表示一幅图。在显示图像时，电脑是一边计算一边显示的。矢量图文件的大小取决于完成图像绘制工作所需的指令条数。

矢量图容易做到对图像的移动、缩放和旋转等等。相同的或者类似的图像可以当作构成复杂图像的构件，把它们存放在图库中，以缩短绘图时间，减少矢量图文件的大小。

对于一幅很复杂的彩色照片，则很难用数学表达式来表达，这时往往用位图来表示。一般位图文件比矢量图的文件要大。

位图是由像素组成的，在放大位图的时候，如果没有特殊的处理，位图会变得很粗糙，原因是图像的尺寸变大了，而像素的数量却没有改变。

矢量图在放大时，不会出现这种失真，因为矢量图中存放的是绘制图像的信息，不会因为图像大小的改变而改变。希望我能帮助你解疑释惑。

当输入输出均为图片时用什么样的神经网络比较合适

如何通过人工神经网络实现图像识别

。

人工神经网络（ArtificialNeuralNetworks）（简称ANN）系统从20世纪40年代末诞生至今仅短短半个多世纪，但由于他具有信息的分布存储、并行处理以及自学习能力等优点，已经在信息处理、模式识别、智能控制及系统建模等领域得到越来越广泛的应用。

尤其是基于误差反向传播（ErrorBackPropagation）算法的多层前馈网络（Multiple-LayerFeedforwardNetwork）(简称BP网络)，可以以任意精度逼近任意的连续函数，所以广泛应用于非线性建模、函数逼近、模式分类等方