C# 和神经网络。从哪里开始，从哪里看？

本文给出了 NN 最复杂的任务之一，您可以了解用于解决此类问题的问题和算法的级别以及真正需要 NN 的地方。OpenCV上的示例，这也很棒。

OpenCV - 用 C++ 编写的最开源和许可的库。有用于 C# 的包装器 - EmguCV，用于 Unity 的 OpenCV（您可以在没有 Unity 的情况下使用它）。有针对 Visual Studio (C++)、Objective C、Android Studio、Python 的改编。

即使对于中等复杂的任务，NN 通常也不需要，也不是很适用——通常你必须对视频流进行实时处理，而 NN 并不是目前最快的。出于这个原因和其他一些原因，大多数最初确定他们需要神经网络的开发人员随后拒绝了这个想法。幸运的是，OpenCV 实现了适用于所有场合的大量算法——几乎所有与视频和图像处理相关的东西都在那里。

在问题作者编辑后，我编辑答案:-)

可用包中实现的大多数算法主要是为缩小比例而设计的，对此的需求是显而易见的——相机以高分辨率拍摄，最好在缩小照片后发布到互联网上——所有活跃用户互联网和社交网络使用它。

放大任务也得到了很好的发展，只是对它的需求不成比例 - 尽管如此，任何设计师都非常清楚需要做什么才能放大图像而不会出现问题 - 使用 Corel Draw 或其他矢量图形封装，即把图像做成矢量图。

因此，如果我们将一个小的光栅图像转换为矢量，进行放大，我们很可能已经得到了一些有趣的东西——注意Potrace程序。在 OpenCV 中没有准备好光栅->矢量。虽然可以用可用的工具塑造一些东西，但结果不太可能比 Potrace 更好——毕竟，那里的人是故意处理这个问题的。Potrace 附带源代码和算法的详细描述，因此有足够的创意空间:-)

甜点中最有趣的事情 - 是时候查看放大的图像，并通过与矢量化和放大后获得的结果进行比较，找出偏差。揭示的偏差可以作为学习神经网络的材料。例如，您可以对大图像进行矢量化、匹配曲线并比较它们的特征。根据训练结果，NN 将开始发布一些建议，用于校正任意图像中的曲线。您甚至可以考虑添加曲线，例如额外的渐变颜色轮廓（尽管使用模糊函数等可以更轻松地平滑生成图像中的渐变）

1. 如果你想研究神经网络的数学仪器，那么我建议从感知器的研究开始。不难找到关于此类 ANN 的文章。
2. 对于 C# 中的神经网络库，情况非常糟糕。对于 C#，我认为 Microsoft 最好的库是 Microsoft 认知工具包。( https://github.com/Microsoft/CNTK/wiki). 缺点：您无法在 C# / .NET 代码中训练和构建网络模型，并且实施处于测试阶段，因此可能存在错误。好的方面：使用 Brainscript 脚本语言很容易构建各种网络，支持在 nVidia 的 GPU 上计算/训练模型（只能计算 C# / .NET），各种类型的神经网络得到支持。在 Wiki 部分的 github 上，您可以找到您感兴趣的所有信息以及使用 C# 中的 Microsoft 认知工具包实施 ANN 的示例。您还可以查看 Accord 数学框架中的神经网络，但据我所知，那里的功能并不多，并且只能在 CPU 上进行计算。
3. 专门针对此任务，我将应用卷积神经网络。http://engineering.flipboard.com/2015/05/scaling-convnets在这里你甚至可以看到你的任务的这种网络的大致架构。
4. 如果你不打算从头开始写一个神经网络，那么它是相当可行的:)
5. 尝试先研究多层感知器并实现它，例如解决异或问题。

我将补充以前关于CNTK的答案。最近发布的 2.2 版已经有了成熟的 C# 绑定。因此，您不仅可以应用，还可以在不切换到 Python 或 BrainScript 的情况下训练网络。