图像分类与基础视觉模型（简述）_图像分类模型的特征视觉表示

一：什么是图像分类？

 任务目标：给定一张图片，通过模型训练学习识别图像中的物体是什么。图像分类实质上就是从给定的类别集合中为图像分配对应标签的任务。也就是说我们的任务是分析一个输入图像并返回一个该图像类别的标签。

视觉任务的难点：局部感受野。

图像的内容是像素整体呈现出的结果，和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，所以超越规则：让机器从数据中学习！我们都知道的是机器学习算法善于处理低维、分布相对简单的数据，然而图像数据在几十万维的空间中以复杂的方式"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

 特征工程的天花板：在 ImageNet 图像识别挑战赛里，2010 和 2011 年的冠军队伍都使用了经典的视觉方法，基于手工设计的特征 + 机器学习算法（svm）实现图像分类，Top-5 错误率在 25% 上下！受限于人类的智慧，手工设计特征更多局限在像素层面的计算，丢失信息过多，在视觉任务上的性能达到瓶颈

层次化特征的实现方式：

一：卷积 实现一步特征提取 声明：本文内容由网友自发贡献，不代表【wpsshop博客】立场，版权归原作者所有，本站不承担相应法律责任。如您发现有侵权的内容，请联系我们。转载请注明出处：https://www.wpsshop.cn/w/天景科技苑/article/detail/897905