Python 深度学习概述与计算机视觉挑战

Python 深度学习

挑战与常规套路

图像分类：计算机视觉核心任务

图像在计算机中长什么样？

导入一张图片，如何知道他是什么？首先，要知道图像是什么样子，一张图片被表示成三维数组的形式。 例如：300 x 100 x 3

3 表示：在图像中存在颜色通道：R、G、B，所有的颜色都是由RGB组成的，此时的3表示的就是颜色通道。

数组中的每个数值表示像素点，图片就是由这样一个一个像素点组成的（像素点的取值范围0 ~ 255）如果一个像素点的值越高，他的颜色的亮度越高。（与亮度挂钩）

挑战：照射角度、光照强度、形状改变、部分遮蔽、背景混入

正方向的角度可能比较容易识别，如果变换了一个角度进行拍摄是否还可以识别出？

光照强度不同也可以使最终的结果发生该改变。

在自动驾驶的技术中，如果路边有一只猫躺着，趴着…是否还能检测出来？

这是现在要解决的最核心的问题。在密集人群当中的，半个脸能否检测出来呢？

常规套路：

1. 收集数据并给定标签
2. 训练一个分类器
3. 测试、评估

def train(train_images, train_labels):
    # build a model for images -> labels..
    return model

def predict(model, test_images):
    # predict test_labels using the model..
    return test_labels

用 k - 近邻来进行分类

k - 近邻算法：

• 如果k = 3， 绿色圆点的最近的3个邻居是2个红色三角和1个蓝色方格，少数从属多数，基于统计的方法，判定绿色的这个待分类点为红色三角一类。
• 如果 K = 5，绿色圆点的最近的5个邻居是2个红色三角和3个蓝色方格，少数从属多数，基于统计的方法，判定绿色的这个待分类点为蓝色方格一类。

对于未知类别属性数据集中的点

1. 计算已知类别数据集中的点与当前点的距离
2. 按照距离依次排序
3. 选取与当前点距离最小的K个点
4. 确定前K个点所在类别的频率
5. 返回前K个点出现频率最高的类别作为当前点预测分类

概述：

KNN算法本身简单有效，它是一种lazy - learning算法

分类器不需要使用训练集进行训练，训练时间复杂度为0

KNN.分类的计算复杂度和训练集中的文档数目成正比，也就是说，如果训练集中文档总数为n，那么KNN的分类时间复杂度为O(n)

数据集样例：CIFAR - 10

数据集为什么这么小？大家可以很轻松的进行预测，复杂度较小，适合练习。

如何计算的呢：

$\sum_{p}^n |I^p1 -I^p2 | = d1(I1, I2)$

最近邻代码

import numpy as np

class NearestNeighbor:
    def __init__(self):
        pass
    
    def train(self, X , y):
        self.Xtr = X
        self.ytr = y
        
    def predict(self, X):
        num_test = X.shape[0]
        
        Ypred = np.zeros(num_test, dtype = self.ytr.dtype)
        
    	for i in xrange(num_test):
            distances = np.sum(np.abs(self.Xtr - X[i, :]), axis = 1)
            min_index = np.argmin(distances)
            Ypred[i] = self.ytr[min_index]
        return Ypred

超参数与交叉验证：

超参数：

$d1(I1, I2)=\sum_{p}^n |I^p1 -I^p2 | 、、、、、、、 d1(I1, I2)=sqrt{(\sum_{p}^n |I^p1 -I^p2 |)^2}$

​ L1(Manhattan)distance L2(Euclidean)distance

超参数是指在训练的过程中可以进行改变的。

问题

1. 对于距离如何设定？
2. 对于K近邻的K该如何选择？
3. 如果有的话，其他的超参数该怎么设定？

多次用测试数据试验，找到做好的一组参数组合？

错误的想法，测试数据只能最终用

测试结果：

迭代地进行测试。例如

第一次进行1、2、3、4 ->5

第二次进行1、3、4、5 ->2

为什么还要再分成五份？

因为数据不一定那么纯，训练集和测试集可能会出现偏差。例如一组测试集中全部为1，出现一个不是1的数就可能导致出现较大的偏差。

背景主导：

图像的主体所占的部分，背景所产生的影响。例如蓝天下的汽车和蓝天下的飞机。就会造成物体的识别不对。所以在算法当中不能只用K-近邻来完成。

（不同的变换和原图具有相同的L2距离）

（尚待补充）