1. 在什么空间下解决分类问题?
可以通过一些传统的方法,提取图像的特征,然后在新的特征空间下,进行分类的任务。
1. color histogram,不考虑spatial信息
2. hog,histogram of orient gradient,考虑spatial
3. bag of visual words
可以设计并集合各种各样的特征
2. 机器学习的图像分类任务pipeline:
设计特征提取器,并提取特征
特征压缩处理
线性的SVM机器学习
问题:
特征提取,比较复杂,需要经验。
只有后续的线性分类器可以训练,没有充分利用数据。
如下是早期机器学习和当前end to end的深度学习的对比,
3. 神经网络
mlp/全连接
很多层的mlp
新增激活函数
线性层的叠加,还是线性的,表达的空间还是线性不够丰富。
relu,sigmoid, tanh,silu etc
带着激活层的深度网络,可以模拟各种各样的函数。