【深度之眼cs231n第七期】笔记（二）

数据驱动方法

语义鸿沟

对于一幅图像，人眼看到的是猫，计算机看到的是数字矩阵。猫的标签和数字矩阵间的差距就是语义鸿沟。
如何把标签和数字矩阵联系起来（事实上就是图片分类）对计算机来说是一个很难的问题。
问题1：如何把它们联系起来？

问题2：当我们移动相机，从另一个方向拍摄猫的照片时，图像上的数字几乎都改变了，但是它还是表示同一只猫。如何才能把变化后的图像也认成猫？

光线改变时，它还是猫

这些不同姿势的还是猫

我们没有直接的方法识别一只猫。一个较直接的想法就是，先识别出耳朵，眼睛等，然后写一些方法来识别它。比如耳朵、眼睛等符合一定条件的就是猫。
但这并不是一个很好的方法。首先，这种算法很容易出错（看上面神奇的姿势）；其次，识别其他的东西又需要设计新的算法。
所以我们考虑用数据驱动的方法。