分类器
-
特征提取和分类是典型计算机视觉系统的两个关键阶段。视觉系统的准确性、稳健性和效率很大程度上取决于图像特征和分类器的质量。特征提取方法可以分为两个不同的类别,即基于手工的方法和基于特征学习的方法。分类器可以分为两组,即浅层模型和深层模型。
-
特征是任何独特的方面或特性,用于解决与特定应用相关的计算任务。n个特征的组合可以表示为n维向量,称为特征向量。特征向量的质量取决于其区分不同类别的图像样本的能力。良好的特征应该是信息丰富的,不受噪声和一系列变换的影响,并且计算快速。
分类器
-
分类器基于逻辑回归的模型实现
- 从分类的目标出发,建立模型
- 满足线性关系 y = x W + b y = x W + b y=xW+b
- 分类设计 y A = x W A + b A y_A = x W_A + b_A yA=xWA+bA 与 y B = x W b + b B y_B = x W_b + b_B yB=xWb+bB