什么是图像分类
核心任务
根据图像特征进行区分
给图像打标签
是更高级任务的基础
例如目标检测,图像分割
难点
语义鸿沟
- 视角
- 光照
- 尺度
- 遮挡
- 形变
- 背景杂波
- 类内形变
- 运动模糊
- 类别繁多
基于规则的方法
硬编码难以实现
数据驱动的方法
图像表示
- 全局特征
- 局部特征
如SIFT+word bag
- 像素
分类器
- SVM
- AdaBoost
- 随机森林
- 贝叶斯
- 线性分类器
- 神经网络
损失函数
- 0-1损失
- 交叉熵
- L1 L2
优化算法
- 一阶迭代
- 梯度下降
- 随机梯度下降
- 小批量随机梯度下降
- 二阶迭代
- 牛顿法
- BFGS L-BFGS
训练过程
- 数据集划分
- 数据预处理
- 数据增强
- 过拟合 欠拟合
- 超参数
- 模型集成
图像类别
- 二值图像
- 灰度图像
- 彩色图像
线性分类器
第i类线性分类器
f
i
(
w
i
,
x
)
=
w
i
T
x
+
b
f_{i}(w_{i},x)=w_{i}^{T}x+b
fi(wi,x)=wiTx+b
决策规则,哪个函数值最大就是哪个
权值w可以视为模板,匹配程度越高得分越高
权值也可视为超空间的分界面
损失函数
联系模型参数和模型性能指导模型优化参数
度量预测值和真实值的区别,输出通常是非负数(距离)
作为反馈信号,降低损失函数以提升模型性能
一般定义
L
=
1
N
∑
i
L
i
(
f
i
(
w
,
x
i
)
,
y
i
)
L=\frac{1}{N}\sum_{i}L_{i}(f_{i}(w,x_{i}),y_{i})
L=N1i∑Li(fi(w,xi),yi)
正则项
同样一个损失函数值对应的权重不是唯一的
为了选择最优的权重w,我们需要正则项
L
=
1
N
∑
i
L
i
(
f
i
(
w
,
x
i
)
,
y
i
)
+
λ
R
(
w
)
L=\frac{1}{N}\sum_{i}L_{i}(f_{i}(w,x_{i}),y_{i})+\lambda R(w)
L=N1i∑Li(fi(w,xi),yi)+λR(w)
前向称为数据项,后项称为正则项
正则项防止过拟合
正则项与数据无关,只与模型有关
λ
\lambda
λ是超参数
超参数
学习过程前设置的参数,而不是学出来的
对模型性能影响巨大
可以使模型有偏好
L
2
L_{2}
L2正则
∑
w
2
\sum w^{2}
∑w2
惩罚大权值,鼓励权值分散
确保尽量把所有维度都用起来,而不是依赖少数特征
L
1
L_{1}
L1正则
∑
∣
w
∣
\sum |w|
∑∣w∣
弹性正则
L
1
+
β
L
2
L_{1}+\beta L_{2}
L1+βL2
参数优化
利用损失函数输出做反馈信号调制模型参数,提升模型性能
目标是找到使得L最优的w
梯度下降
- 方向 负梯度
- 长度 步长
算法
while True
w梯度=计算梯度(w,y,L)
w=w-w梯度*学习率