提取图像中直线的直线方程的神经网络

描述：

• 一张图片中画有一条带噪音的直线，求这条线的方程
• 
• 这些线的粗细，颜色等等都不一样。

做这个事情的目的有：

• 因为可以自动产生大量的训练数据，所以方便用来研究简单的神经网络的规律
  • 大神经网络小神经网络的区别
  • 训练的规律
  • 误差函数，目标设定的规律
  • 数据的需求的规律
• 对线的提取也是图像相关的应用中重要的能力。这类的网络后面可以用在功能更复杂的网络中

网络

• class Net(nn.Module):
      def __init__(self):
          super(Net, self).__init__()
          # 1 input image channel, 6 output channels, 3x3 square convolution
          # kernel
          self.conv1 = nn.Conv2d(1, 6, 3)
          self.conv2 = nn.Conv2d(6, 16, 3)
          # an affine operation: y = Wx + b
          self.fc1 = nn.Linear(16 * 6 * 6, 120)  # 6*6 from image dimension
          self.fc2 = nn.Linear(120, 84)
          self.fc3 = nn.Linear(84, 3)
      def forward(self, x):
          # Max pooling over a (2, 2) window
          x = F.max_pool2d(F.relu(self.conv1(x)), (2, 2))
          # If the size is a square you can only specify a single number
          x = F.relu(self.conv2(x))
          x = F.max_pool2d(x, 2)
          x = x.view(-1, self.num_flat_features(x))
          x = F.relu(self.fc1(x))
          x = F.relu(self.fc2(x))
          x = self.fc3(x)
          return x

   

分析：

• 训练方式
  • 每次都是不一样的图片
  • 先把一批训练好，然后换一批训练
  • 储备很大一批图片，随机抽取训练
• batch大小
• loss函数
• target设置
  • 点方程归一化
  • 直线方程
  • 直线方程归一化
• 不同的网络结构
• leanring rate
• loss下降规律

结论