1、資料驅動的圖像分類方法
目标：給一張圖檔貼一個标簽。當然可用的标簽是固定的，比如｛君子，小人｝，或者｛貓，狗，兔子｝，等等，随便給你一張圖檔，需要從這些标簽中選一個用來表示這張圖。這是計算機視覺裡的核心問題。雖然很樸素，但是應用卻相當廣泛。而且，很多其他類似的計算機視覺任務，比如目标檢測，圖檔分割，都可以簡化為圖像分類問題。
舉例：下面這張圖是什麼動物呢？某一個圖像分類模型給出了屬于 {cat, dog, hat, mug}這4個類型的可能性。其中屬于cat的可能性最大，為82%，是以最終我們給這圖示記為cat。在計算機中，圖像表現為一個3維數列。下面這張圖的寬為248像素，高為400像素，有三個顔色通道，即紅、綠、藍，簡稱RGB。是以這張圖檔實際上就是由248 x 400 x 3個數字組成的，297,600個數字。每個數字都是0(黑)到255(白)間的整數。我們的任務就是将這一堆數字轉換為一個标簽，比如“cat”。
困難：對于人類來說，識别一個視覺概念(比如 貓)太簡單了。但是要設計一個算法，讓計算機去做這件事，還是很有很多挑戰的：
- 視角變化：同一個物件，從不同的角度拍照，是有差别的
- 尺寸變化：事物本身的尺度有大有小，比如高個子姚明，矮個子馬雲
- 變形：現實中對象的現狀變化很大，不是那麼整整齊齊的
- 遮擋：我們感興趣的對象可能被擋住了，隻露出一小部分
- 光線強度：光線的強弱對像素的影響很大
- 背景：需要識别的對象可能與周圍環境融為一體，很難識别
- 類内變異. 同一類型的對象，形态上有很多的變種。比如椅子就有很多的形狀
一個好的圖像分類模型要能夠不受這些變化的幹擾，正确地識别所屬分類。
資料驅動方法：那要怎樣寫一個算法去對圖像進行分類呢？寫一個從一堆圖檔中識别貓的算法，不像寫一個排序算法那樣直接寫代碼推理出來。我們使用資料驅動的方式：把很多标注好分類的資料傳給計算機，然後寫一個算法去檢視這些資料，學習不同類型資料的視覺表征。這樣的資料我們稱之為訓練資料集。如下圖所示就是一個訓練資料集：
一個用于計算機視覺分類的樣例資料集。實際應用中可能有上千個分類，每個分類都可能有數百萬張圖檔
圖像分類流程：綜上所述，圖像分類的任務就是給一堆代表圖檔的像素資料，貼一個标簽。建立一個圖像識别模型的一般流程如下所示：
- 輸入: 輸入N張圖檔，每張圖檔都做好了标簽(K個分類中的一個)，稱之為訓練資料
- 學習: 用訓練資料，學習每個分類的樣子。這個過程稱為訓練一個分類器，或者學習一個模型
- 評估: 最後，讓分類器去識别他沒有見過的新的圖檔。将他識别的結果與實際的标簽做對比，我們希望正确率越高越好
下一篇文章 最近鄰分類器
欲了解更多底層資訊，請咨詢 青星大學