图像识别（分类）

袁静
大纲
•1 图像分类任务
•2 图像分类难点
•3 基于规则的图像分类
•4 基于数据驱动的图像分类
•5 图像分类的评价指标
图像分类
大多数算法或模型要求输入的是向量。

直方图

局部特征

直接将矩阵转
化为向量
CIFAR-10 是一个更接近普适物体的彩色图像
数据集。 CIFAR-10 是由 Hinton 的学生 Alex
Krizhevsky 和 Ilya Sutskever 整理的一个用于
识别普适物体的小型数据集。一共包含 10
个类别的 RGB 彩色图片：飞机
（ airplane ）、汽车（ automobile ）、鸟
类（ bird ）、猫（ cat ）、鹿（ deer ）、
狗（ dog ）、蛙类（ frog ）、马
（ horse ）、船（ ship ）和卡车
（ truck ）。
每个图片的尺寸为 32 × 32 ，每个类别
有 6000 个图像，数据集中一共有 50000 张
训练图片和 10000 张测试图片。

输入向量是多少维？ 32*32*3=3072
 为什么从线性分类器开始？
 形式简单、易于理解
 通过层级结构（神经网络）或高维映射可以形成功能强大的非线性模型。

线性分类器的定义

线性分类器：一种线性映射，将输入的图像特征映射为类别分数。
线性分类器示例
 图像表示

线性分类器的决策步骤：
1. 图像表示成向量
2. 计算当前图片每个类别的分数
3. 按类别得分判定当前图像
线性分类器的决策步骤：
1. 图像表示成向量
2. 计算当前图片每个类别的分数
3. 按类别得分判定当前图像
 ※

线性分类器的决策步骤：
1. 图像表示成向量
2. 计算当前图片每个类别的分数
猫类
3. 按类别得分判定当前图像

线性代数角度：解释 W,x,b 和 f
𝒇 (𝒙 ,𝑾 )=𝑾𝒙+𝒃

其中，代表输入图像，维度为 d ；

为得分分数向量，维度为类别个数 c ；

向量；

;；
 转化为 32*32*3

权重 w ：记录了类别的主要信息，可视作类别模
板。
得分 f ：输入的图像与模板越匹配，其得分越高。
几何角度解释分类

？ ？
 0
1
0
y1

𝐿𝑜𝑠𝑠( 𝑓 (𝑾 𝟏,𝑏1), 𝑦 1)
 0
1
0
y2

𝐿𝑜𝑠𝑠( 𝑓 (𝑾 𝟐,𝑏2), 𝑦 2)
损失函数
线性回归中的损失函数 ( 代价函数 )
线性回归中的损失函数 ( 代价函数 )
 𝑁
1
𝐿= ∑ 𝐿𝑖 ( 𝑓 (𝒙 𝑖 ,𝑾), 𝑦)
𝑁 𝑖
度量
𝒂𝒓𝒈 . 𝒎𝒂𝒙 ( 𝑾 𝒙 𝑖 )
 多类支持向量机损失

𝑗 是类别标签 ， （ 1 , ...C ）
𝑾 𝑗 ,𝑏 𝑗 第 j 类的分类器的参数

𝒙 𝑖第 i 个图像样本

𝑠𝑖𝑗将第 i 个图像样本识别为第 j 类的预测分

数
𝑠 𝑦 第 i 个图像样本的真实类别的预测分数
𝑖
 CASE

i
 CASE
i
 CASE
i
加入正则项！！！！
过拟合：背题，无学
习能力