MMLab寒假训练营之图像分类与基础视觉模型

图像分类与基础视觉模型

什么是图像分类？
任务标定：给定一张图片，识别图像中的物体是什么。

问题的数学表示：
视觉任务的难点
让机器从数据中学习：
1.收集数据
2.定义模型
3.训练
4.预测

• 机器学习的局限：

  • 机器学习算法善于处理低维、分布相对简单的数据
  • 图像数据通常再几十万维的空间中以复杂的方式“缠绕”在一起
  • 常规的机器学习算法难以处理这种复杂数据分布

• 传统方法：设计图像特征

• 特征工程天花板：手工设计的特征+机器学习算法

• 从特征工程到特征学习：抽象层次提高、数据分布更"规整"
  更易于实现分类

• 层次化特征的实现方式：

  • 卷积 实现一步特征提取 👉 卷积神经网络
  • 特征和图像一样具有二维空间结构
  • 后层特征为空间邻域内前层特征的加权求和

卷积神经网络

AlexNet

在 2012 年的竞赛中，来自多伦多大学的团队首次使用深度学
习方法，一举将错误率降低至 15.3% ，而传统视觉算法的性
能已经达到瓶颈，2015 年，卷积网络的性能超越人类。

VGG

GoogLeNet

残差网络 ResNet (2015)