图像分类与基础视觉模型学习笔记
课程从什么是图像开始逐渐深入,讲解了图像分类与基础视觉模型的基础知识,以及卷积神经网络等。
一、发展
1.问题的数学表示
2.超越规则:让机器从数据中学习:收集数据-定义模型(含参变量的函数)-训练(寻找最佳参数 Θ ∗)-预测(对于新图像 𝑋,用训练好的模型预测其类别)
3.从特征工程到特征学习
(1)传统方法:设计图像特征 (1990s~2000s)
(2)从特征工程到特征学习
方向梯度直方图(Histogram of Oriented Gradients) 在局部区域统计像素梯度的方向的分布,将图像映射成一 个相对低维的特征向量,同时保留足够识别物体的信息
随着卷积神经网络和Transformer的出现,进一步发展为层次化的特征实现,提高了运行的效率: