版权声明:本文为博主原创文章,未经博主允许不得转载。 https://blog.csdn.net/github_35768306/article/details/60779273
这堂课关于作业的规定~
要求学生能熟练使用Python,能熟练使用scipy,numpy处理矩阵和向量。如果不能,可以查看下图中的网址,学习Python Numpy Tutorial.
这是用来提交的网址,可以忽略。这是云端的虚拟机,可以用来编程实验
图片分类:得到一幅图片,计算机给它一个标签,如下,给猫打上“猫”的标签。
本节课进入正题了,主要讲分类以及线性分类器。
下面是一幅3维图片,包含数量巨大的值在0~255的像素点。
不同的角度拍摄得到不同的图片
不同光线
各种奇形怪状姿势的喵喵~ ~
躲猫猫
和背景很相似的喵喵~~
类内变化的喵喵。。。我们要针对所有的情况得到鲁棒的分类算法~并且高精度,短时间,难度相当大!
这里没有一个直接的编程方式来使用一个算法识别猫。
早期的处理是这样的,处理图像得到物体的边缘方向,即特征提取过程。根据得到的各种方向边缘出现的位置和频率,来进行分类这是什么物体。早期的数据没有那么丰富,数据也没有得到充分的应用。当我们要去识别一艘船的时候,我们得先得到一艘船的边缘特征,然后我们拿来用在这里。这样的问题是,每当出现新的物体,我们就没有办法识别了。好消息是,现在互联网上有海量的数据可以供我们来训练模型。
这是最简单的分类器,近邻分类器
CIFAR-10数据集的具体信息如下:
如下是一个最近邻分类器的实现: