计算机视觉和深度学习 学习笔记(一)
一、图像分类
总框图
******************线性分类器************************
1.图像表示:
• 二进制图像
• 灰度图像
• 彩色图像
2.分类模型-------线性分类器
线性分类器示例
f(x,W)=Wx+b
W为权值矩阵,b为偏置向量
3.loss函数
- 多类支撑向量机损失 *
损失函数搭建了模型性能与模型参数之间的桥梁,指导 模型参数优化。
• 损失函数是一个函数,用于度量给定分类器的预测值与真实值 的不一致程度,其输出通常是一个非负实值。
• 其输出的非负实值可以作为反馈信号来对分类器参数进行调整, 以降低当前示例对应的损失值,提升分类器的分类效果。
判断线性分类器所分类的图片预测值和实际值的差距,进而调整决策函数
- 正则项损失
4.参数优化
目的:优化目标就是得到使L损失函数达到最优的的参数W
方法:
- 随机梯度法
- 最速下降法
- 小批量梯度下降
5.数据处理过程
• 数据划分:将数据集划分为三个部分
数据集划分: 训练集 验证集 测试集
训练集:用于给定超参数的模型进行训练,让分类器进行学习
验证集:用于验证所给的超参数那个适合
测试集:测试评估该参数的泛化能力
当数据量较少时,验证集代表性不强,可以进行K折交叉验证
• 数据预处理
1.对原始数据进行去均值化操作
2.对数据进行归一化处理