计算机视觉的一个难题:无论是拍照的角度、光线,形态变化、有无遮挡等等的因素,人都能很容易的识别出图片的目标,但对于计算机来说,这是一件很困难的事情。
k近邻法
1、距离度量选择:
前者会被坐标轴的变化所影响,后者则不会
2、超参数:实质上是一些我们不会从数据中学到的需要提前设置的参数
3、数据集较小的情况下使用交叉验证
4、knn实际上并不适用于对图像进行识别,这是由于其度量选用的标准并不太适合于图像,而且,设计到维度爆炸的问题,因为knn要求数据分布的较为密集,这是非常困难的
线性分类器
1、普通的线性加权形式,但只能学习一种类别的模板
2、简单解释:学习的权值代表每个像素对特定类的贡献
损失函数和优化
1、SVM:取分类正确的得分与分类错误的得分之和做比较
2、softmax:
特征表示的例子:方向梯度特征表示的直方图、词袋