计算机视觉和深度学习 学习笔记（一）

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