图像分类与基础视觉（OpenMMLab第二课）

一、图像分类与基础视觉

1. 图像分类：给定一张图片，识别图像中的物体是什么。

2. 问题的数学表示：𝑋 ∈ ℝ𝐻×𝑊×3 对类别进行编号：香蕉→1，苹果→2，橘子→3 等等，得到类别 𝑦 ∈ {1, … ,𝐾}，𝐾 为类别总数

图像分类问题：构建一个可计算实现的函数 𝐹: ℝ𝐻×𝑊×3 → {1, … ,𝐾}，且预测结果符合人类认知

3.视觉任务的难点:图像的内容是像素整体呈现出的结果，和个别像素的值没有直接关联，难以遵循具体的规则设计算法

4. 让计算机从数据中学习：收集数据、定义模型（通常为含参变量的函数）、训练（寻找最佳参数，使得模型在训练集上达到最高正确率）、预测（对于新图像，用训练好的模型预测其类别）。

二、卷积神经网络

1.残差建模：让新增加的层拟合浅层网络与深层网络之间的差异，更容易学习 梯度可以直接回传到浅层网络监督浅层网络的学习 没有引入额外参入，让参数更有效贡献到最终的模型中 。

三、轻量化卷积神经网络

1.卷积的参数量

3. 乘积的计算量（乘加次数）

4. 降低模型参数量和计算量的方法