计算机视觉（二）图像分类

目录

一、图像分类

难点：对问题的拆解

目前流行的图像分类方法

分类器设计与学习

图像表示

分类器

损失函数

优化算法

训练过程

评价指标

---

一、图像分类

图像分类：核心任务，根据图像信息中的不同特征，对图像进行分类。从已知的类别标签集合中为给定的输入图片选定一个类别标签。

应用：软件识图

难点：对问题的拆解

1. 语义到像素的映射：像素是底层的用字节表示，语义是高层的
2. 视角：人脸正面与侧面
3. 光照：光线变化
4. 尺度：尺度大小是相对的，自适应远近
5. 遮挡：
6. 形变：猫
7. 背景杂波：物体的颜色与背景的颜色相似
8. 类内形变：凳子
9. 运动模糊：曝光时间问题，硬件上做高速，软件上做算法去恢复模糊的部分，根据运动的规律
10. 类别繁多：传送带，摄像机的角度

基于规则的方法是否可行：

• 通过硬编码的方法识别：把人的理解编成代码，基于统计的方法提取边缘，对比角点的信息 --> 困难

目前流行的图像分类方法

• 使用数据驱动的图像分类范式：

1. 数据集构建：使用数据和标签的集合，分为有监督和无监督
2. 分类器设计与学习：从数据中使用数学模型(分类器)归纳出规律，填充数学模型中的未知元素
3. 分类器决策：对未知图像进行决策

分类器设计与学习

1. 训练阶段：

• 图像表示：3维矩阵，如何让分类模型接受
• 分类模型：对新图像进行预测
• 预测值：用于与真实值进行比较
• 损失函数：使用损失函数计算出损失值
• 损失值：根据损失值判断当前模型好不好
• 优化算法： 如果当前模型不好，靠优化算法更新模型的参数，调整参数使得损失值小

2. 预测阶段：

• 决策：当损失值达到最小，就可以用这个模型解决真实问题

图像表示

• 像素表示

1. 全局特征表示GIST：从图像中抽取频率表示，不适合遮挡类的细致问题，适合风景类，建筑类
2. 局部特征表示SIFT：解决细节问题，从图像中抽取有特殊意义的区块，适合人脸识别

分类器

• 近邻
• 贝叶斯
• 线性*
• 支持向量机：是线性分类的一个扩展
• 神经网络*
• 随机森林
• Adaboost

损失函数

度量真实值和预测值之间的不一致程度

• 0-1损失
• 多类支持向量机损失
• 交叉熵损失
• L1损失
• L2损失

优化算法

根据损失值调整参数，从而降低损失值

• 一阶迭代优化方法：

1. 梯度下降*
2. 随机梯度下降*
3. 小批量梯度下降*

• 二阶迭代优化方法：

1. 牛顿法*
2. BFGS
3. L-BFGS

训练过程

• 数据集划分
• 数据预处理
• 数据增强：旋转，裁剪等，增加样本
• 欠拟合与过拟合：

1. 减小算法复杂度
2. 使用权重正则项
3. 使用droput正则化

• 超参数调整：模型设计阶段要指定的参数，如神经元个数，神经网络的层数
• 模型集成：多个模型让训练结果更好

评价指标

• 正确率Accuracy：分类正确的样本数/总样本数

1. TOP1：只判断第一个标签是否预测正确
2. TOP5：五个预测中只要有一个预测正确就是正确

• 错误率ErrorRate：1 - 正确率