cs231n图像分类-1

图像分类笔记（上）摘录

数据驱动方法：如何写一个图像分类的算法呢？这和写个排序算法可是大不一样。怎么写一个从图像中认出猫的算法？搞不清楚。因此，与其在代码中直接写明各类物体到底看起来是什么样的，倒不如说我们采取的方法和教小孩儿看图识物类似：给计算机很多数据，然后实现学习算法，让计算机学习到每个类的外形。这种方法，就是数据驱动方法。

图像分类流程在课程视频中已经学习过，图像分类就是输入一个元素为像素值的数组，然后给它分配一个分类标签。完整流程如下：

• 输入：输入是包含N个图像的集合，每个图像的标签是K种分类标签中的一种。这个集合称为训练集。
• 学习：这一步的任务是使用训练集来学习每个类到底长什么样。一般该步骤叫做训练分类器或者学习一个模型。
• 评价：让分类器来预测它未曾见过的图像的分类标签，并以此来评价分类器的质量。我们会把分类器预测的标签和图像真正的分类标签对比。毫无疑问，分类器预测的分类标签和图像真正的分类标签如果一致，那就是好事，这样的情况越多越好。

Nearest Neighbor分类器

将两张图片先转化为两个向量和，然后计算他们的L1距离：

1，评分函数：就是一个将原始图像数据转换到分类标签的参数化映射（Parameterized mapping from images to label scores）。对于线性分类器而言，就是下面的线性映射： f(xi, W, b) = Wxi + b

xi为一张图片拉伸成一个长度为D的列向量，
W是大小为[C，D]的权重矩阵，
b是[C,1]的偏置向量，
f为[C,1]的评分向量，表示样本在每一个类别上的得分。

其中W的每一行都表示为一个类别的分类器，共C个类别，与xi相乘之后得到一个分数（可以理解为相似度），其实就是从训练集中为每一个类别抽象出一个模板保存在W中，然后将新的图像与这C个模板相比较，最相似的就当做是其类别。所以训练分类器的目的就是从训练集中学习到最优的参数W和b（其实可以通过给x和W分别扩展一个维度将b融到其中，见下图）。