图像分类学习笔记

1.计算机认识图像的方式：都是数字。例如一个 128X128 的3通道的图片 是由  128X128X3个数字 组成的。

2.面临的难点：一幅图可以说明。

 

3.分类器

A：Nearest Neighbor Classifier：与CNN无关，但是可以帮助我们理解一下分类器。仅用标签比较。

L1  distance：d1(I1,I2)=相减求和，

L2 distance：d2(I1,I2)=相减平方，求和 开方。

B：k - Nearest Neighbor Classifier  ：找出代表性的，K是寻找能够代表标签的数目。这样的话就更加具有抵抗性。减轻无关东西的影响。

 KNN 与 NN的比较

参数k的选择

超参数的概念：不是利用l1范数 ，L2范数。用点积等其他方法来决定的参数。

测试集是不能用来参与调优的。

从训练集中抽取一部分调优，称为验证集（validation set）、、

交叉验证：如果训练集太小，把训练集分成5分，交叉训练。

3.1分类器的优缺点：测试时间不够短，

需要记住所有的训练数据，与测试数据比较，这样子就很浪费空间。需要将测试数据一个一个比较，计算量大、、

 

转载于:https://www.cnblogs.com/xialuobo/p/5854345.html