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: