cs231n笔记1：图像分类

几个术语初步了解下：图像分割、面部检测（Adaboost）、object recognization、SIFT（SIFT算法是一种提取局部特征的算法,在尺度空间寻找极值点,提取位置,尺度,旋转不变量 ）、语义分割（将像素按照图像中表达语义含义的不同进行分组）

图像分类是计算机视觉领域的核心问题之一，并且有着各种各样的实际应用。其实在计算机视觉领域中很多看似不同的问题（比如物体检测和分割），都可以被归结为图像分类问题。

对于计算机来说，图像是一个由数字组成的巨大的3维数组。比如对一个猫的图像大小是宽248像素，高400像素，有3个颜色通道，分别是红、绿和蓝（简称RGB）。如此，该图像就包含了248X400X3=297600个数字，我们的任务就是把这些上百万的数字变成一个简单的标签，比如“猫”。

在实际中，视角变化、大小变化、遮挡、光照条件、背景干扰、类内差异（猫有多种）等等，这些因素对计算机视觉算法的图像识别造成了困难的。一个好的识别模型必须对这些因素有鲁棒性。

一、KNN

为了对图像分类有个基本的认识，我们来介绍下一个简单的分类算法：KNN。使用kaggle竞赛题目CIFAR-10 - Object Recognition in Images
数据集中共60000张图像，其中训练集包含50000张图像，测试集包含10000张图像。一共有10个标签。Nearest Neighbor算法将会拿着测试图片和训练集中每一张图片去比较，然后将它认为最相似的那个训练集图片的标签赋给这张测试图片。

那么怎么比较图像之间的相似性呢？
最简单的方法就是逐个像素比较，最后将差异值全部加起来。换句话说，就是将两张图片先转化为两个向量$I_1$和$I_2$，然后计算他们的$L_1$距离：
$$d_1(I_1,I_2)=$$