Openmmlab实战营学习笔记（二）

图像分类与基础视觉模型

什么是图像分类？

        给它一张图，它能识别出是什么

视觉任务的难点：

        图像的内容是像素整体呈现出的结果，和个别像素的值没有直接关联，难以遵循具体的规则设计算法

        

 所以，我们超越规则，让机器从数据中学习

        步骤：

                1：收集数据（数据集）

                2：定义模型：通常为含参变量的函数

                3：训练：寻找最佳参数，使模型在训练集上达到最高正确率

                4：预测：对于新图像 𝑋 ，用训练好的模型预测其类别

但机器学习也有它的局限性

        机器学习算法善于处理低维、分布相对简单的数据。图像数据在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。

例如：

解决方法：

       1：特征工程： 传统的方法是图像通过人工设计的算法处理，变成特征向量，然后机器学习这些特征向量，最后对图像进行分类。

        2：特征学习：手工设计特征更多局限在像素层面的计算，丢失信息过多     

 一：模型设计——卷积神经网络

        

8层

我的理解：一层一层地对应卷积，最后是全连接层 

精度退化问题：模型层数增加到一定程度后，分类正确率不增反降

视觉领域影响力最大、使用最广泛的模型结构：ResNet

残差链接让损失曲面更平滑

二：模型学习

        1：监督学习

                流程：标数据集——定义损失函数——找到使总损失最小的参数

                学习率策略：学习率退火 Annealing、学习率升温 Warmup

                数据增强、组合数据增强、组合图像 Mixup & CutMix

       

        2：自监督学习

                （1）基于代理任务：自监督学习的一些思考 - 知乎

                （2）基于对比学习：https://www.bilibili.com/video/BV19S4y1M7hm/

                （3）基于掩码： https://www.bilibili.com/video/BV1sq4y1q77t/