基于Halcon的MLP（多层感知神经网络）分类器分类操作实例

 

一、介绍
        人工神经网络（Artificial Neural Network，ANN）简称神经网络（Neural Network，NN）或类神经网络，是一种模仿生物神经网络的结构和功能的数学模型或计算模型，用于对函数进行估计或近似。

        MLP神经网络是一种基于神经网络、动态的分类器。MLP分类器使用神经网络来推导能将类别区分开来的超平面。使用超平面进行分割，如果只有两个类别，超平面会将各特征向量分为两类。如果类别的数量不止两个，就应当选择与特征向量距离最大的那个超平面作为分类平面。神经网络可能是单层的，也可能是多层的。如果特征向量不是线性可分的，则可以使用更多层的神经网络。

        MLP神经网络主要由输入层、隐藏层、输出层构成。当隐藏层只有一层时，该网络为两层神经网络，因为输入层未做任何变换，可以不看做单独一层。实际中，网络输入层的每个神经元代表了一个特征，输入层个数代表了分类类别个数，而隐藏层层数以及隐藏层神经元由人工设定。

        多层神经网络的典型结构是一层输入单元层、一层或多层隐藏节点层、一层输出单元层。理论上如果隐藏层的节点数足够多，那么只需要一层隐藏层就可以解决所有分类问题。

        在神经网络的每一个节点或者处理单元内，都有算子根据前一层的计算结果来计算特征向量的线性相关关系。MLP分类器可以用于通用特征的分类、图像分割、OCR等。

神经网络示意图
        设计一个神经网络时，