OpenMMLab寒假AI实战营（CV）--day2

图像分类与基础视觉模型

问题的数学表示

图像是像素构成的数组：$$x\in {\mathbb{R}}^{H\times w\times 3}$$
H和w表示像素的长和宽，3表示通道数（即RGB）

视觉任务的难点

图像的内容是像素整体呈现出的结果，个个别像素的值没有直接关联，难以遵循具体的规则设计算法

让机器从数据中学习

1. 收集大量图像数据
2. 定义模型：通常为含参变量的函数
3. 训练：寻找最佳参数，使得模型在训练集上达到最高正确率
4. 预测：对于新图像，用训练好的模型预测其类别

机器学习的局限性

机器学习善于处理低维、分布相对简单的数据；图像数据在几十万维的空间中以复杂的形式“缠绕”在一起，常规的机器学习算法难以处理这种复杂数据分布

传统方法：设计图像特征

（图片来源： https://journals.plos.org/plosone/article?id=10.1371/journal.pone.0092137）

特征工程的天花板

（Lin, Yuanqing, et al. “Large-scale image classification: fast feature extraction and svm training.” CVPR 2011. IEEE, 2011）
（图片来源：通用视觉框架OpenMMLab图像分类与基础视觉模型–王若晖PPT）

从特征工程到特征学习

（图片来源：通用视觉框架OpenMMLab图像分类与基础视觉模型–王若晖PPT）

层次化特征的实现方式

（图片来源：通用视觉框架OpenMMLab图像分类与基础视觉模型–王若晖PPT）

卷积神经网络

AlexNet(2012)

(图片出处：https://towardsdatascience.com/the-w3h-of-alexnet-vggnet-resnet-and-inception-7baaaecccc96
Krizhevsky A, Sutskever I, Hinton G E. Imagenet classification with deep convolutional neural networks[J]. Advances in neural information processing systems, 2012, 25: 1097-1105.）

Going Deeper

VGG-19、GoogLeNet

残差学习的基本思路

（图片来源：通用视觉框架OpenMMLab图像分类与基础视觉模型–王若晖PPT）

轻量化卷积神经网络

• 降低模型参数量和计算量
• 使用不同大小的卷积核
• 可分离卷积（逐层卷积和逐点卷积）
• 分组卷积