第一章:计算机视觉梗概
第二章:图像分类途径

python+Numpy简单教程:
http://cs231n.github.io/python-numpy-tutorial/
Image Classification: A core task in Computer Vision(核心任务)
————计算机可以识别图像里面的内容。
The Problem: Semantic Gap(计算机眼里的图片是一系列像素的数值,如何解决语义隔阂?)
Challenges: Viewpoint variation(视觉变化,计算机看到的图像又是不同的,十分复杂)
- Challenges: Illumination(光线?)
Challenges: Deformation(视觉中物体的姿态?)
Challenges: Occlusion(产生遮挡?)
Challenges: Background Clutter(视觉中的物体和背景非常相似时又该如何识别???)
Challenges: Intraclass variation(物种问题??物体多物种)
An image classifier(分类器):是一个函数,参数是一张image输出是图片的label
下面是关于分类器的一些尝试:
1.寻找图片里面元素

这篇博客是斯坦福大学CS231课程的学习笔记,涵盖了计算机视觉的基本概念,图像分类的挑战与解决办法,如Nearest Neighbor和K-Nearest Neighbors算法。此外,还讨论了线性分类器、损失函数(包括Multiclass SVM loss和Softmax Classifier)以及优化策略,如梯度下降和随机梯度下降。
最低0.47元/天 解锁文章
500

被折叠的 条评论
为什么被折叠?



