跟着鲁sir学CV_Opencv（8）识别、词袋

识别分为单实例和类别识别，前者特殊性，后者有普遍性。

算法包括：对图和视频的分类，检测定位物品，估计语义和几何属性，分类人类活动与事件

 深度学习解决“形变”，局部特征可以帮助解决“遮挡”，还有些问题，“背景”

图像识别系统包括：表达（表达，分类）——学习（学习分类器，给训练数据集）——识别（分类器运用在新数据中）

表达

整图表达成小区域、考虑区域联系→词袋

达到：invariance——图像变化（光照、遮挡、尺度）后提取特征仍然是同一个；covariance——图像变化后提取特征“经过转换”仍然是同一个

产生式：画出张三（圈起来），p(a,b)——似然、先验 p(b|a)p(a)

算法：朴素贝叶斯、LDA、2d part based models、3d part based models

判别式：知道张三李四差异，区分开（线分开）p(b|a)——后验

算法：近邻、神经网络、支持向量机、boosting 

混合式

图像变成向量——BoW词袋模型

最早起源于纹理

用直方图判别每张图各种纹理出现的次数

把图变成袋子里的小块，词典写向量（长度单词个数）

提取特征——学习视觉词典——用词典频率表示图像

提取特征

网格、SIFT提取（归一化、描述符）

视觉词典 codebook

将单词聚类，想要几个聚成几个，每个取中心

kmeans聚类

之后将图向量化后投影到空间中，看距离哪个单词中心最近

近邻、KD树搜索

下图左边为中心单词

问题：对聚类类别的设置（太大、太小，影响泛化）、计算效率（kmeans慢）

词典成型

但是词袋模型存在对特征顺序不一样的无法判断准确，如我爱AB，和爱我AB，其实是不太一样，特别是涉及语义理解、我们可以将整图分成多个区域，每个区域去对应比较

学习

最优化：在训练集和验证集上找目标函数的最优参数

监督级别：标签强弱

样本：能拿到多少

先验定义

过拟合（精度太过了）、欠拟合（需要泛化强，不能欠）

“非”类数据的收集——选不好，线条分不准

识别

给我图——做分类、检测（画框挑出，框中是不是）x,y,S,θ,N类、分割（像素级别）

对同一个对象输出太多框——要非最大值抑制