胸怀万里世界， 放眼无限未来。这篇文章主要讲述第二节课-Data-driven approach:KNN和线性分类器分类图片相关的知识，希望能为你提供帮助。
2017-08-12
1.图片分类是很多CV任务的基础；
2.图片分类要面临很多的问题，比如图片被遮挡，同一种动物有很多种颜色，形状等等，算法需要足够强壮；
3.所以很难直接写出程序来进行图片分类，常用的方法是数据的驱动的方法：
【第二节课-Data-driven approach:KNN和线性分类器分类图片】
文章图片
4.KNN: 重点在于选取K的数值，可以采取交叉验证的方式，找到最佳的K值；
文章图片
同时，距离的表示也有集中方法，比如欧氏距离，曼哈顿距离：
文章图片
5.然后从KNN出发， 讲了通用的函数模型，即把一张图片映射为几个类别的可能数值得分，最高的就是图片所属的类别：
文章图片
备注：这里的X是一个3072维度的向量，函数F就是把3072维度映射成10维度的函数，10代表最后可能的类别有10种；当然，有时候需要考虑偏移量b，bias；
例子：
文章图片
6.下次就要集中在损失函数loss function, 还有优化过程，即找到使得损失函数最小的 参数值 W， 最后扩展到其他的分类器， 神经网络， 卷积神经网络；
推荐阅读
- appium测试之获取appPackage和appActivity
- Android添加项目编译．
- Android:子线程向UI主线程发送消息
- 比较pagerequestsessionapplication的使用范围(转自用)
- Cause: java.lang.ClassCastException: java.lang.String cannot be castto org.apache.ibatis.mapping.M
- Android（制作Update.zip升级包）
- 用树莓派改装电风扇及实现Android500.gs遥控
- Android权限管理PermissionsDispatcher2.3.2使用+原生6.0权限使用
- Android 跳转到系统应用管理