day2 图像分类数据驱动方法

                                               day2 图像分类驱动方法

关于图像分类(这是一个计算机视觉中一个非常重要的任务)，当我们做图像分类的时候，我们的分类系统接收到一些输入图像，比如说可爱的猫咪，我们的系统是明确知道其中这些图像的分类，或者说是分类的集合，这些标签可能是一只狗狗，一只猫咪，也有可能是一辆卡车。。。。那计算机的工作就是看图片，并且给它分配起哄一些固定的分类标签。计算机从这么多的矩阵中提取特征貌似是叫semantic gap(语义鸿沟)。当然我们可爱的猫咪，不会一直坐着不动，当我们的相机旋转一个角度，根据唯物主义，它还是一只猫，不过图片中的像素值会变，这就需要我们的算法对这些变化很robust(鲁棒性)，当然不光是角度问题，也有别的证明问题，不同的光照等，但是图片中始终是只猫。

这听起来很简单，因为我们人脑中视觉系统，天生就是做这个的，但是对于一台机器来说，就很困难了，所以，我们就要考虑到，在做这些图像识别分类问题的时候，它肯定没有一只猫咪的整体概念，而不像我们人一样有一个直观的感受，在计算机中所呈现的图片的方式其实就是一大堆数字，即图像的矩阵，如下图所示。所以对于这张猫咪来说，计算机只能接收到一些800*600的像素点。其中每一个像素由三个数字表示(rgb),这很难从中提取猫咪的特性。

当然猫咪可以有千奇古怪的姿势跟位置，当然也有遮挡的问题，我们只能看到一部分，在人看来，我们很容易，不过，计算机就会很困难，。

还有猫的种类等，我们算法需要处理不同种类，不同年龄的猫，来识别出来，这是猫。

目前来说，我们没有直接一个算法，来判断这是猫还是别的动物，但是我们做过一些实验，比如我们提取图像的边缘，对于猫来说，我们都知道，猫有鼻子，有眼睛，等特征，根据hubel还有wiesel(记住前辈们做过的努力)，我们了解到了边缘，这一研究对于计算机视觉来说，是十分重要的。

我们可以尝试识计算出图像的便于，然后把边，角，各种形状分类好，比如有三条线这样相交，那可能就是一个角点，比如猫的耳朵有这样那样的角，诸如此类，我们可以写一些规则来识别这些猫，但实际上，这种算法容易出错。不是很好的算法，当我们要重现做另一种分类，我们就需要从头再来一遍，所以这不是一个可推演的方法，我们想发明一个识别算法，可以拓展到识别世界上所有的物体，所以，我们想基于数据驱动的方法，我们不写具体的分类规则来识别一只猫或者鱼，取而代之，我们从网上通过各种手段，抓取大量图片数据集，我们做出一个程序，来识别出所有我们要去识别的物体，我们通常写两个函数，其中一个函数是训练函数，这些函数接收图片跟标签，然后输出模型，另一个函数接收这个模型，对图片分类，进行预测。

我们今天讨论的主题也是深度学习，但是这种数据驱动类的算法，是比深度学习更广的一种理念(大佬说的，就是那意思)，举个栗子，我们现在有cifar10的数据集，大约分10类，额外还有10w张测试图片供你试验你的算法，首先我们说到我们最简单的一种比较两张图片相似性的算法，KNN,K近邻算法，我们将输入的图片与所有训练图片进行比较，我们采用的是曼哈顿距离(L1范式)，来判断两张图片相似程度，如下图，其L1范式的值为456。

以下是最简单的KNN的代码，我们可以看到KNN最简单的思想，我们有两个函数，其中一个train，与predict。

其实我们仔细考虑，这是KNN中Train的时间复杂度是O(1),predict的时间复杂度是O(N)，不过实际中我们希望是训练的时间越长，预测的时间短，自然的过度到下一步，卷积神经网络，我们会花相当长的时间在训练上，而在测试时间的时间会短点。

下一个博客中，我们来介绍下KNN。。。。。。。