KNN，K近邻来做图像分类

最新推荐文章于 2023-05-12 22:59:40 发布
最新推荐文章于 2023-05-12 22:59:40 发布
阅读量2.8k 收藏 1
点赞数
分类专栏： 机器学习 文章标签： 计算机视觉 深度学习 机器学习
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/donkey_1993/article/details/83825566
版权

KNN来做图像分类：如下图所示，用CIFAR-10图片作为训练样本，50000张图片作为训练集，10000图片作为测试集。

KNN分类就是将测试集的像素值-训练集的像素值然后将像素值相加就得到我们的距离，距离最小的就是我们最后的分类结果。

有时候只找到距离最近的一张图片会出现误差比较大，所以我们一般找5张距离最近的图片，选区这5张图片中类别最多的种类作为我们最终的分类结果。

下图是L1距离，也叫曼哈顿距离

下图是L2距离，也叫欧式距离

 

donkey_1993
关注
  • 0
    点赞
  • 踩
  • 1
    收藏
    觉得还不错? 一键收藏
  • 2
    评论
专栏目录
采用KNN分类器进行分类
09-27
用matlab写的代码，采用KNN实现多分类，代入数据就可以成功运行！
手把手教你K最近邻分类器分类CIFAR-10
qq_36552550的博客
04-29 2231
KNN算法全称为k-Nearest Neighbor Classifier，即k最近邻分类器。它可以看作是Nearest Neighbor Classifier最近邻分类器的加强版，无论是最近邻分类器还是k最近邻分类器，其原理都比较简单，其算法在CIFAR-10图像分类的效果上其正确率远低于人类识别图像的正确率（约94%），但也略高于随即猜测的10%的正确率（CIFAR-10有10个分类，随机猜测...
KNN用于多类别图片分类-Mnist或自己的数据集-numpy底层原理实现
yscript的博客
05-12 379
用numpy底层原理实现了KNN用于多类别图片分类-算法，可以用于minst或自己的数据集-
【深度学习】图像分类之KNN算法
weixin_43821215的博客
07-22 4654
图像分类任务是，分类系统预先知道一些确定了分类或标签的集合，这些标签有可能是猫咪或者狗狗。系统接收一些输入图像，比如说猫咪，然后根据算法给输入的图片分配一些固定的标签。这对人的视觉系统来说是微不足道，但对于机器来说是很有挑战的。图像分类模型采用单个图像并将概率分配给4个标签{cat,dog,hat,mug}。如图所示，请记住，对于计算机而言，图像表示为一个大型3维数字数组。在本例中，猫的图像宽248像素，高400像素，具有红色、绿色、蓝色（或简称RGB）三个颜色通道。训练集。.........
scikit-learn 中KNN分类绘图
muli
11-25 3711
scikit-learn 中KNN分类绘图 参考链接： https://www.cnblogs.com/pinard/p/6065607.html https://blog.csdn.net/sa14023053/article/details/52086695 https://blog.csdn.net/weixin_40713373/article/details/80024583 # -...
自己实现knn，进行图片分类（python）
normol的博客
11-18 1万+
数据集下载 这是斯坦福课程的作业，根据大纲里面assignment1内的提示，下载好实验所需要的数据集。 目录 前言： 代码主体： part1 数据的导入以及预处理 part2 knn训练以及预测 具体实现 3.1 数据导入 3.2 计算dist（三种实现，由易到难，原理相同） 3.3 预测 通过Cross-validation选取hyperparameters 前言： ...
基于KNN实现图像分类
01-20
KNN被翻译为最近邻算法，顾名思义，找到最近的k个邻居，在前k个最近样本（k近邻）中选择最近的占比最高的类别作为预测类别。 如上图所示： 五角星（待预测的）要被赋予哪个类，是紫色圆形还是黄色圆形？ 1）如果k=3...
MNIST手写数字分类图像分类KNN分类器 MATLAB代码实现
最新发布
08-13
3. 程序将从测试集中随机抽取图像,并利用不同的 k 值进行 kNN 分类 4. 显示图像及对应的分类结果 原理： 1. 利用训练数据构建 kNN 模型 2. 对于新输入的测试图像,计算其与所有训练图像的汉明距离 3. 选取距离最近的 ...
K近邻分类器 MNIST数据集 图像分类 python
01-06
在MNIST数据集上从头实现用于图像分类的K近邻分类器。 没有现有的sklearn包用于编写knn代码。 数据集： 在MNIST数据集中，每个样本都是手写数字的图片。每个样本包括28x28灰度像素值作为特征，以及0-9中的类别标签。...
【matlab代码】k近邻图像滤波算法.zip
05-09
1. 指定k的值。 2. 使用一个NxN的模板取出图像中部分值。 3. 选取模板中前k个与中心点像素值最相近的像素。 4. 对步骤3中得到的k个像素值求平均。 5. 用步骤4求出的平均值替换模板中心点像素值。 6. 移动模板，重复...
基于近邻（KNN）算法的分类器matlab实现
01-05
基于KNN 算法的分类器matlab实现，简单操作，可出图，可根据自身需求修改代码
KNN实现鸢尾花分类
05-17
knn的python代码 #样本数据150*4二维数据，代表150个样本， #每个样本4个属性分别为花瓣和花萼的长、宽
MATLAB实现K近邻法分类
06-23
K近邻法分类待测样本点，模式识别实验内容之一，用MATLAB生成随机样本点作为样本集，用样本集将考试集分类。
kNN分类器和两个实例-Python
11-06
kNN基本分类器，以及两个运用kNN算法的实例：约会网站的配对和手写识别系统，包含数据源。
论文研究-基于KNN的特征自适应加权自然图像分类研究.pdf
07-22
针对自然图像类型广泛、结构复杂、分类精度不高的实际问题，提出了一种为自然图像不同特征自动加权值的K-近邻（K-nearest neighbors，KNN）分类方法。通过分析自然图像的不同特征对于分类结果的影响，采用基因遗传...
RGB-D深度图像介绍RGBD
热门推荐
donkey_1993的博客
06-23 8万+
RGBD = RGB +  Depth MapRGB ：RGB色彩模式是工业界的一种颜色标准，是通过对红(R)、绿(G)、蓝(B)三个颜色通道的变化以及它们相互之间的叠加来得到各式各样的颜色的，RGB即是代表红、绿、蓝三个通道的颜色，这个标准几乎包括了人类视力所能感知的所有颜色，是目前运用最广的颜色系统之一。 Depth Map：在3D计算机图形中，Depth Map（深度图）是包含与视点的场景对...
鱼眼摄像头的畸变矫正方法-python+opencv
donkey_1993的博客
01-09 2万+
鱼眼摄像头畸变校正的方法： 1. 棋盘矫正法 2. 经纬度矫正法。 相机为什么会出现畸变？ 当前相机的畸变主要分为径向畸变和切向畸变两种。 径向畸变产生的原因：相机的光学镜头厚度不均匀，离镜头越远场景的光线就越弯曲从而产生径向畸变。 切向畸变产生的原因：镜头与图像传感器不完全平行造成的。 ...
深度学习中的激活函数Sigmoid和ReLu激活函数和梯度消失问题。
donkey_1993的博客
05-26 1万+
1. Sigmoid激活函数：              Sigmoid激活函数的缺陷：当 x 取很大的值之后他们对应的 y 值区别不会很大，就会出现梯度消失的问题。因此现在一般都不使用Sigmoid函数，而是使用ReLu激活函数。2. ReLu激活函数：       ReLu激活函数：当x为负值之后y取0，x为正数之后，y随x的值得增大而增大，这样就可以解决梯度消失问题。现在一般都是用ReLu激...
Softmax分类器
donkey_1993的博客
05-25 1万+
SVM分类器得到的是一个得分数值。Softmax得到的是一个概率值。1. Sigmoid函数：（x 可以去任意值，y 得到0-1之间的数值（0-1数值相当于概率值）。）                2. Softmax分类器：  Softmax的输出：归一化的分类概率。输入一个向量（向量元素为任意实数），输出的是一个向量（向量元素为0-1之间的概率值）实例：分类品种得分值将得到的值进行ex处理做...
matlab特征提取图像分类遥感数字图像分类 k近邻
07-29
Matlab是一种功能强大的数学计算软件，也可以用于图像处理和机器学习领域。在遥感数字图像分类中，特征提取是一个重要的步骤，它可以抽取图像中的特征信息以便进行分类。 特征提取是将原始图像数据转换为具有可区分性的特征向量的过程。常用的特征提取方法包括颜色直方图、纹理特征和形状特征等。利用这些特征，可以对遥感图像进行分类，例如将不同类型的地物进行区分。 在Matlab中，我们可以使用图像处理工具箱和机器学习工具箱提取特征和进行图像分类。首先，我们需要通过图像处理工具箱加载和预处理遥感数字图像。然后，选择适当的特征提取方法，例如Gabor滤波器来提取纹理特征。通过对图像进行滤波和特征计算，可以获得每个像素的特征向量。 接下来，我们可以使用k近邻算法进行图像分类。k近邻算法是一种常用的无监督学习方法，它根据样本之间的距离来进行分类。在Matlab中，我们可以使用机器学习工具箱中的knn分类器来实现该算法。需要将提取的特征向量作为输入数据，并指定适当的类别标签。然后，我们可以使用训练数据来训练knn分类器，并使用测试数据进行分类预测。 通过这种方式，我们可以利用Matlab的特征提取和机器学习工具进行遥感数字图像分类。这种方法可以帮助我们准确地识别和分类不同类型的地物，如建筑物、森林和水域等。因此，Matlab提供的功能和工具对于遥感图像分类的研究和应用非常有帮助。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 2
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
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。

余额充值