cs231
一语呢喃
这个作者很懒,什么都没留下…
展开
-
cs231_线性分类
k-Nearest Neighbor分类器存在以下不足: 分类器必须记住所有训练数据并将其存储起来,以便于未来测试数据用于比较。这在存储空间上是低效的,数据集的大小很容易就以GB计。 对一个测试图像进行分类需要和所有训练图像作比较,算法计算资源耗费高。 引言: 我们将要实现一种更强大的方法来解决图像分类问题,该方法可以自然地延伸到神经网络和卷积神经网络上。 这种方法主要有两部分组成: 一个是评分函数(score function),它是原始图像数据到类别分值的映射。 一个是损失函数(loss functio转载 2020-06-27 18:38:57 · 187 阅读 · 0 评论 -
cs231_图像分类
以cat为例: 计算机识别cat标签遇到的困难(这里以猫为例) 1.光线的亮度 2.猫不同姿势 3.猫被其他物理挡住,剩下一部分可见 4.背景干扰 5.类内差异(猫的颜色、大小等) 6.观察的视角变化等 实际上并没有明显的方法来认出猫,或其他类(狗、鹿、分机等) 图像分类的流程: 1.收集大量的数据集,给他们打上定义的标签。 2.通过机器学习认知已收集的数据集长什么样,具有同一标签的共同特征,然后以某种方式形成一个训练模型(分类器),该模型总结了如何识别不同的对象类别。 3.最后我们将训练模型应用到新的图原创 2020-06-27 17:33:57 · 208 阅读 · 0 评论