1.計算機認識圖像的方式：都是數字。例如一個 128X128 的3通道的圖片 是由 ?128X128X3個數字 組成的。

2.面臨的難點：一幅圖可以說明。

?

3.分類器

A：Nearest Neighbor Classifier：與CNN無關，但是可以幫助我們理解一下分類器。僅用標簽比較。

L1 ?distance：d1(I1,I2)=相減求和，

L2 distance：d2(I1,I2)=相減平方，求和 開方。

B：k - Nearest Neighbor Classifier ?：找出代表性的，K是尋找能夠代表標簽的數目。這樣的話就更加具有抵抗性。減輕無關東西的影響。

?KNN 與 NN的比較

參數k的選擇

超參數的概念：不是利用l1范數 ，L2范數。用點積等其他方法來決定的參數。

測試集是不能用來參與調優的。

從訓練集中抽取一部分調優，稱為驗證集（validation set）、、

交叉驗證：如果訓練集太小，把訓練集分成5分，交叉訓練。

3.1分類器的優缺點：測試時間不夠短，

需要記住所有的訓練數據，與測試數據比較，這樣子就很浪費空間。需要將測試數據一個一個比較，計算量大、、

?

轉載于:https://www.cnblogs.com/xialuobo/p/5854345.html

總結

以上是生活随笔為你收集整理的图像分类学习笔记的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。