神经网络学习引入-邻近算法Nearest Neighbor Classifier

最新推荐文章于 2023-02-17 09:43:18 发布

AG9GgG

最新推荐文章于 2023-02-17 09:43:18 发布

阅读量2.8k

点赞数 4

分类专栏： CS231n学习笔记

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文链接：https://blog.csdn.net/AG9GgG/article/details/84498901

版权

邻近分类算法这个分类算法与卷积神经网络无关，并且在实际应用中的使用也并不是特别广泛，但是通过对这个算法的学习，我们能够对图片分类问题有一个大致的解决思路。L1距离与L2距离给定的两个图片，将它们表现成两个矢量I1、I2，一个最容易理解、最容易被接受的对比它们的方法是L1距离。d1(I1,I2)=∑p∣I1p−I2p∣d_{1}(I_{1},I_{2})=\sum_{p}|I_{1}^{p}...

摘要由CSDN通过智能技术生成

邻近算法

这个分类算法与卷积神经网络无关，并且在实际应用中的使用也并不是特别广泛，但是通过对这个算法的学习，我们能够对图片分类问题有一个大致的解决思路。

L1距离与L2距离

给定的两个图片，将它们表现成两个矢量I1、I2，一个最容易理解、最容易被接受的对比它们的方法是L1距离。
$d_{1}(I_{1},I_{2})=\sum_{p}|I_{1}^{p}-I_{2}^{p}|$

最低0.47元/天解锁文章

关注

4
点赞
踩
6

收藏

觉得还不错? 一键收藏
0
评论
神经网络学习引入-邻近算法Nearest Neighbor Classifier

邻近分类算法这个分类算法与卷积神经网络无关，并且在实际应用中的使用也并不是特别广泛，但是通过对这个算法的学习，我们能够对图片分类问题有一个大致的解决思路。L1距离与L2距离给定的两个图片，将它们表现成两个矢量I1、I2，一个最容易理解、最容易被接受的对比它们的方法是L1距离。d1(I1,I2)=∑p∣I1p−I2p∣d_{1}(I_{1},I_{2})=\sum_{p}|I_{1}^{p}...
复制链接

扫一扫

专栏目录

评论

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

hope_wisdom

发出的红包

实付元

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。