计算机视觉 课件 第5、6章 图像分类、 神经网络基础.pptx

第5章图像分类5 目 录5.1K-最近邻分类5.25.3朴素贝叶斯分类SVM分类5.4分类器预测结果评价计算机视觉 计算机视觉 图像分类：计算机视觉的核心任务 （假设给定的离散标签集） {狗，猫，卡车，飞机，…}cat 计算机视觉 问题：语义间隔猫的图像宽度为248像素，高度为400像素，并具有红绿蓝三个颜色通道（通常称为RGB）。因此，图像由248×400×3个数字组成或总共297600个数字，每个数字是一个从0（黑色）到255（白色）的整数。图像分类的任务是将这接近30万个数字变成一个单一的标签，如“猫（cat）”。 计算机视觉 图像识别的难点挑战：视角变化挑战：光照的变化 计算机视觉 挑战：变形挑战：遮挡 计算机视觉 挑战：背景混乱挑战：组内变异 计算机视觉 传统的图像分类通过特征描述来完成，比如识别一只猫，就是提取猫的轮廓，尖尖的就是两个耳朵，长的是尾巴，四肢和毛发等都有对应的特征。但是，如果出现了遮挡，变形，光照等的变化，那么这些识别猫的规则可能就不起作用了。 计算机视觉 为了克服传统方法在图像分类问题上的弊端，采用数据驱动的方法可以更好地让计算机理解图像的内容。用大量猫的图像训练出一个可以自动分类的函数，给这个训练好的函数输入未知的图像，然后输出一个标签（也就是图像的分类是什么，是猫还是狗）。使用两个函数，一个训练函数，一个预测函数。训练函数接收图像和图像所属的分类（也就是标签），经过训练后返回一个模型；预测函数接收训练好的模型和待分类的图像，经过运算返回预测的分类标签。图像分类流程如下：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的特征是什么，该步骤也称为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，把分类器预测的标签和图像真实的分类标签对比，并以此来评价分类器的质量。 计算机视觉 5.1 K-NN分类法5.1.1最近邻分类法最邻近分类思想：将测试图像和训练集中每一幅图像做比较，然后将它认为最相似的那个训练集图像的标签赋给测试图像。距离越远，代表图像之间的相似度越低；距离越近，代表两幅图像越相似。我们如何比较图像？距离度量是多少？ 计算机视觉 1. L1距离也是曼哈顿（Manhattan）距离2. L2距离也叫欧式（Euclidean）距离计算出L1距离为456，L2距离为162.11。 计算机视觉 5.1.2 K最近邻分类法K-NN分类思想：计算图像A与训练集中所有图像之间的距离，取出与该图像距离最近的k幅图像，然后统计这k幅图像中所属比例最大的分类，则图像A属于该分类。通俗地讲，如果与图像A距离最近的几幅图像都是狗，那么图像A的类别标签也是狗。K-NN图像分类算法流程如下：(1)计算当前测试图像与训练集中所有图像之间的距离；(2) 按照距离递增次序排序；(3) 选取与当前测试图像距离最近的k幅图像；(4) 统计前k幅图的分类，即计算这k幅图所在类别的出现频率；(5) 将前k幅图像中出现频率最高的类别作为当前测试图像的预测分类。 计算机视觉 示例数据集：CIFAR-1010个标签50000张训练图像，每个图像都很小：32x3210000张测试图像。 计算机视觉 将每个测试图像（第一列），与训练集中每一幅图像做比较，根据像素距离计算出最近的10张图片（行是最近邻的示例）。统计这10幅图所在类别的出现频率，将出现频率最高的类别作为当前测试图像的预测分类.K-NN中如何k值？ 计算机视觉 K值是试出来的。首先将数据分为训练数据与测试数据：当整个训练数据被我们用来训练并且k = 1时，整个训练数据的准确率都是100%的，这样没办法看出我们算法的表现能力，所以我们要将训练数据分为训练数据与验证数据，并且只训练训练数据，在验证数据上进行验证，以了解我们训练数据的算法泛化能力（准确率）： 计算机视觉 验证数据用于调整超参数再进一步，我们可以将训练数据分为x份，使每一份数据都做一次验证数据，这样我们就得到了x个准确率，取其中的平均值，就得到了当k取任意值时的准确率如何，这样再选择准确率最高时的k值，就得到了一个表现最为良好的算法：注意：在超参数调优的过程中决不能使用测试集来进行调优，因为这样会使模型对测试集过拟合，降低模型的泛化能力。所以测试数据集只能使用一次，即在训练完成后评价最终模型时使用。 计算机视觉 图是使用5-fold cross-validation，取不同的k值时，得到的accuracy曲线(因为是5-fold cross-validation，所以在每个k值上有5个取值，通常取其