CV （2）- image classification

本次学习笔记主要记录学习CV时的各种记录，包括李飞飞团队的视频cs231n。作者能力有限，如有错误等，望联系修改，非常感谢！

• 数据驱动方法
• K-NN
• 线性分类

图像分类时可能收到一张猫图，确认了分类或标签的集合。

图像给出像素红、绿、蓝三个值。
语义鸿沟。相机移动到不同位置拍摄，它仍是同一只猫。
照片可能在光照或黑暗中。猫可能是变形的。遮挡问题。图片北京混乱（猫色和背景色相似）。还有类内差异，一群不同种类的猫。

可能要写一些python代码，接受一个图片作为参数。

计算出图像的边缘。

数据驱动的方法：
1.抓取大量猫的数据集
2.使用机器学习训练分类器
3.评估新图的分类效果

常用的数据集 CIFAR-10。最近邻算法计算。

L1距离，有时称为曼哈顿距离。只取一部分像素相减，最后将所有相加。

train()：训练函数，运用于最近邻算法。
predict()：测试时，输入图像并使用L1距离函数。将测试图像和训练图像进行比较，在训练集中找到最相似的实例。

N个实例，训练和预测速度？
Train O(1)；predict O(N)
我们想要训练缓慢，训练优秀的分类器，而预测迅速。

最近邻分类器：
此分类器并非最好的选择，图像中间集中大量绿点，但中间却有一个黄点。
于是就有了K-NN分类器。不仅是只寻找最近的点，会根据距离度量，找到最近的K个点。

L1有坐标依赖，若向量中的各个元素有着实际意义，L1会更好。建议两种尝试下比较。


超参数：
1.K值
2.距离度量
（1）在数据集上工作最好的超参数，但这样不好，因为K=1对于我们表现得很好了；
（2）应让训练器在其他未知数据集上测试，应在其上面表现良好，但实际上这也不好。
（3）最好的方法是分为三组：训练集、验证集、测试集，选择在验证集上表现最佳的分类器，在测试集上跑。

交叉验证集：
在小数据集更常用。

交叉验证后会得到如图所示，x轴表示K值，y表示分类器对于数据集的准确度。

K-NN在图像分类很少使用，因为测试时太慢；距离度量标准用在比较图像上不太合适。

K-NN另一问题是维度灾难。像素点应密集的分布。

输入图片，生成一句描述语句。卷积网络关注图像，循环神经网络关注语言。


f(x,W)=Wx+b

把2x2图像拉伸为一个向量。

在CIFAR-10上训练的线性分类器的训练权重，如图下方。

¹