CS231n 斯坦福深度学习课程之摘记总结

以下内容全是学习自一位学长的读书笔记！！！！
首先是存在一些还没有解决的问题：

1.语义分割或知觉分组：理解每个像素的意义而不是标记图片
2.动作识别：有效识别视频中的动作
3.图片理解：不仅是明白图片里有什么，而是理解图片在发生什么

等等

图像分类

顾名思义，就是对输入的图像，通过一定的算法，将图片归类。
主要是在于图片在计算机的角度来看就是一堆杂乱的像素，并且每个像素都是用RGB来描述的。这就是所谓的语义鸿沟（图片所描述的物体和计算机看到的数字举证之间的巨大差距）。

处理问题的算法：
比较直接的就是先确定每个物体的边缘，再得到他的特征用来识别，但这种算法的可变性不强。
所以新的方法就是：
数据驱动的算法，（靠大数据的存在），也就是训练出来的，依靠搜集大量的标注了种类的图片，设计算法来让计算机识别，计算机就会搜集所有的数据，并根据算法的思路来总结这些图片的特点，从而去识别那些没有被分类的（总之就是，先训练，再去实操），因此会存在两个部分，一个是训练函数，也就是通过标注图片的特点来得到分类知识，另一个就是测试函数，通过总结出来的知识去识别图片之后，通过错误率来判断分类的精准度。
K近邻算法：他就是一种相对来说比较简单的，首先在训练阶段，就直接记录下所有的训练数据，然后在测试阶段，那测试的图片和所有的训练数据进行对比，选择他最相似的图片，作为他的种类。
问题在于：怎么判断这两个图片相似，是使用距离的，因为图片可以看作是一个矩阵，然后用带比较的图片直接互相比对，也就是用对应位置的差的绝对值并求和，最终结果作为图片的距离。
但是显而易见，他的效率不高，不适合那种数量大且多的图片。

而对于数据的分类，在书中也有提到：
大概会分成

1.训练集和测试集 2.训练集，测试集和验证集 3.交叉验证（从数据中抽出一部分作为测试集，再把其余的部分分成几份，然后每次从每份数据中抽出一份做验证集，其余做训练集，如从重复到所有的数据都做过一次验证集，然后把所有的结果都显示出来，相对来说比较适合小数据）