图像识别

图像识别涉及图像分类挑战,如视角变化、尺寸不一和背景干扰。KNN算法因耗内存和速度慢在当前应用较少,而线性分类器如Logistic Regression和Linear SVM通过模板匹配和损失函数优化进行更高效识别。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >


图片的存储是一个很大的矩阵,如果是一个带颜色的图片,矩阵则是三维的(RGB三个听到)通道,每个通道对应一个矩阵。其中每个数的范围在1~256之间


一、图像识别

基于图像分类,即有对应的概率。比如一张猫的照片,识别出来,有多高的概率是我们判定的类别


1、挑战:

(1)视角不同(Viewpoint variation):每个事物旋转或侧视之后,最后的构图可能完全不相同

(2)尺寸大小不统一(Scale variation):相同内容的图片,图片可大可小

(3)变形(Deformation):很多大小在特殊情况下,有特殊的摆放和形状(如人坐着、躺着)

(4)光线等干扰/幻想(Occlusion、Illuminate conditions)

(5)背景干扰(Background clutter)

(6)同类内的差异(Intra-class variation)(比如椅子:靠椅、餐椅......)


2、数据驱动型学习

喂大量的数据样本给机器学习,让它决定是哪个类别,而不是先告诉它是什么。


3、K最近邻法(KNN)

现在很少用,很耗内存,速度比较慢。而且KNN做图像识别,准确度不高,还需要记录全部训练集的数据。

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值