深度学习与计算机视觉（一）图像分类与KNN
1、图像分类与KNN
1.1 图像分类
对于一张输入的图像，判定其属于哪个类别，图像分类是计算机视觉的核心问题之一，且是很多高层视觉任务的基础。
1.1.2 图像识别的难点：类内形变+类间相似**
- 视角不同，每个事物旋转或者侧视最后的构图都完全不同
- 尺寸大小不统一，相同内容的图片也可大可小
- 变形，很多东西处于特殊的情形下，会有特殊的摆放和形状
- 光影等干扰/幻象
- 背景干扰
- 同类内的差异(比如椅子有靠椅/吧椅/餐椅/躺椅…)
1.1.3 图像识别的途径
就是对于每个类别，我们都找一定量的图片数据，『喂』给计算机，让它自己去『学习和总结』每一类的图片的特点。
1.1.4 机器学习解决图像分类的流程
简单来说，分为三步：
- 输入：我们的给定K个类别的N张图片，作为计算机学习的训练集
- 学习：让计算机逐张图片地『观察』和『学习』
- 评估：就像我们上学学了东西要考试检测一样，我们也得考考计算机学得如何，于是我们给定一些计算机不知道类别的图片让它判别，然后再比对我们已知的正确答案。
1.2 最近邻分类器（Nearest Neighbor Classifier）
只是为了从基础推进而已，和卷积网络无关。
1.2.1 CIFAR-10
CIFAR-10是一个非常常用的图像分类数据集。数据集包含60000张32*32像素的小图片，每张图片都有一个类别标注(总共有10类)，分成了50000张的训练集和10000张的测试集。如下是一些图片示例：
左图是是个类别和对应的图像示例，右图是给定一张图像之后，根据像素距离计算出来的最近的10张图像。
1.2.2 基于最近邻的简单图像类别判定
最近邻的思想：
根据输入图像的像素值，计算其和训练集中的图像的距离，找到最近的图像的类别作为预测的类别即可。
最近邻的缺点：
用于图像分类时效果很差。
距离度量方式：
L1距离，L2距离，余弦距离等等（scipy）
1.3 k近邻分类器
将最近邻扩展为最近的N个临近点，然后统计出现类别最多的那一类作为预测的类别。
1.3.1 交叉验证与参数选择
哪些因素会影响KNN最后的识别结果：
- 距离度量方式
- k值的选取
当数据总量不大的时候，可以选择k折交叉验证，也就是将原始数据分为k份，轮流使用其中k-1份作为训练数据，剩下的1份作为交叉验证数据，我们可以得到k个准确率，取均值作为预测准确率。
1.3.2 kNN算法的优缺点
优点：
思路简单，不需训练
缺点：
- 计算准确率过程很耗时，因为要和全部训练集中的图像都对比一遍；
- 分类器必须记住全部的训练数据，因为要遍历找近邻，而任何实际的图像训练集上，数据量很可能非常大，那么一次性载入内存，不管是对速度还是对硬件的要求，都是一个极大的挑战。
重要的是：我们不是很在乎训练时间，训练时间长的话，只有后续识别的时候速度快，效果好即可，但是kNN测试过程很漫长，后续的深度神经网络就是为了解决该问题，其训练时间长，但是识别过程很快。