【经典算法必读】图片分类系列之（一）: 你真的了解图片分类(Image Classification)吗？...

欢迎关注我的个人微信公众号：小纸屑

图片分类是机器学习经典问题，也是深度学习声名鹊起之作。正是2012年AlexNet在图片分类竞赛ImageNet出乎寻常的性能，使得深度学习一夜爆红，方有今天人工智能的井喷之势。

由于深度学习在图片分类上极其成功，且代码简单，图片分类便成为深入学习入门学习任务。通常几行代码，就可以调起一个模型训练。由于太简单，导致大家对图片分类缺乏能够整体认识。

本文拟从问题定义、图片分类的粒度、常用数据集、评判标准和经典论文等角度，完整充分展现图片分类这个经典问题，让读者有个完整印象。

问题定义

图片分类的定义如下：

输入：一张图片

输出：图片类别

这里的图片类别是指图片内所包含物体的类别。

传统的图片分类中，一张图片只包含一个类别物体的一个或多个实例。多标签图片分类中，一张图片一般包含多个类别物体的一个或多个实例（如多标签猫狗图片分类，大部分照片不但包含猫，还同时包含狗）。

我们这里只讲传统的图片分类。以下是几个样例：

输入上述图片，正确的输出应该是猫（图片来自数据集ImageNet）

输入上述图片，正确的输出应该是类别9（图片来自数据集MNIST