【CS231n笔记】02 Image Classification pipeline

CS231n课程作业用Python编写，其入门教程见http://cs231n.github.io/python-numpy-tutorial/

第2课主要内容：

1. 图像分类任务中的难点

2. 数据驱动方法及图像分类任务流程

3. 最近邻分类器

4. 超参数的选取

5. 线性分类器

--------------------------------------------------------------------------------

1. 图像分类任务中的难点

图像分类是计算机视觉中的核心任务，但是使用计算机处理图像数据时存在一个明显的问题——语义鸿沟（semantic gap）。一副图像在计算机“看来”只是一个三维数组，其中的数据为整型，取值范围0~255，计算机无法通过这些像素值直观得到物体类别的概念（即标签），只能通过图像分类算法，将这个像素集合映射为某物体类别的标签值。

然而利用计算机处理图像时存在许多难点：如视角变化（viewpoint variation）、光照（illumination）、形变（deformation）、遮挡（occlusion）、背景干扰（background clutter）、类内差异（intraclass variation）等。

2. 数据驱动方法及图像分类任务流程

图像分类器程序框架：

def predict(image):
  # proc
  return class_label