基于卷积神经网络的图像分类方法概述
一个典型的图像分类任务，它 的典型算法框架是上图这样。输入图像，然后通过各种各样的方式对输入图像进行提取特征。把一个图像从一个像素点的表示方式，转换成用特征来表示，然后再在这个特征上面去构建分类器，就会得到每一个样本标签，对应的输出概率。在训练的过程中，样本标签是已知的，我们根据这个输出概率和样本标签去建立损失函数，然后就可以开启这个训练的过程。在预测的过程中，根据输出概率，我们选出概率最大的类别作为我们的预测标签。
一个典型的图像分类任务，它 的典型算法框架是上图这样。输入图像，然后通过各种各样的方式对输入图像进行提取特征。把一个图像从一个像素点的表示方式，转换成用特征来表示，然后再在这个特征上面去构建分类器，就会得到每一个样本标签，对应的输出概率。在训练的过程中，样本标签是已知的，我们根据这个输出概率和样本标签去建立损失函数，然后就可以开启这个训练的过程。在预测的过程中，根据输出概率，我们选出概率最大的类别作为我们的预测标签。