关于CIFAR-10图像分类总结

关于CIFAR-10图像分类问题，网络上有很多资源，这里记录一些在我的学习过程中的资料，主要是关于深度卷积神经网络处理图像分类的，包括VGGNet，GoogLeNet以及ResNet，也记录了一些杂七杂八的东西，像TensorFlow的函数、神经网络的优化技巧等等。如果没有合适工具进行学习，可以浏览关于Google Colaboratory的介绍部分。

一、综述：图像分类算法、深度学习在图像分类中的应用

这一部分主要是一些综述的文字，要完成一个图像分类任务，还是要懂一些大背景知识的是吧！
首先，关于图像分类的综述，可以阅读这一篇文章：
图像物体检测与分类综述
要了解深度学习在图像分类中的应用：
深度学习在图像分类中的发展
还有：从大方面了解深度学习的图像分类的话看一看：
深度学习-图像分类
很多网站都转载了这篇文章，文章比较了五种图像分类算法，传统机器学习以及深度学习的方法都有涉及，了解图像分类可以看一看
原文：Image Classification in 5 Methods
翻译等可见：图像分类 | 深度学习PK传统机器学习

二、关于传统机器学习算法处理图像分类

例如KNN、SVM等算法都可以处理图像分类(当然简单实现的话，准确率emmm)，很多资料都是来源于CS231n，在这门公开课中，介绍了一些传统机器学习算法来实现CIFAR-10图像分类任务，了解的话，可以看：
CS321n课程笔记翻译
接下来是一些具体算法：

关于KNN的资料：
KNN原理，以及使用KNN思想设计图像分类模型：
KNN原理介绍以及构建一个KNN分类器来进行图像分类
还是关于KNN的文章，虽然不实用，但是看看代码还是好的：
实验小结 CS231n assignment1 knn部分
CS231n，图像分类的KNN实现：
CS231n–图像分类（KNN实现）
那么如何最迅速，并且最方便地实现一个KNN模型呢？当然要祭出sklearn大杀器了：
sklearn之KNN详解+GridSearchCV使用方法

关于SVM图像分类模型：
关于SVM的图像分类：
线性SVM算法实现图像分类
基于SVM的分类器还有很多资料，这里就不再过多列举了。

还有贝叶斯类的方法：
关于一些其他的传统机器学习算法实现图像分类：