電腦視覺入門 Intorduction To Computer Vision

標籤：

本文將主要介紹映像分類問題，即給定一張圖片，我們來給這張圖片打一個標籤，標籤來自於預先設定的集合，比如{people,cat,dog...}等，這是CV的核心問題，取向分類在實際應用中也有許多變形，而且許多看似無關的問題（比如 object detection, segmentation）最終也可劃分為映像分類問題。

彩色映像通常有RGB三個通道，每個通道都是一個二維數組，比如即為一張200*150的映像，該映像分為RGB三個通道，所以該映像可用200*150*3 = 90000的一維數組表示，數組每個點的取值為0（黑色）到255（白色）。映像分類即將這個90000維的數組打上標籤，比如 dog。

目前Image Recognition面臨的挑戰有：

• Viewpoint variation.   視角的變化
• Scale variation.  大小縮放
• Deformation.   一些物體可以隨意變形，比如人伸展
• Occlusion.   目標只有一小部分出現在映像裡
• Illumination conditions. 光線的變化
• Background clutter. 背景幹擾
• Intra-class variation. 類內的差異，比如各種鳥類大小不一，顏色不一

映像分類的方法，目前主要是機器學習中的監督學習的方法，給定訓練資料 {x(i),y(i)} 來訓練一個分類器來進行分類，比如KNN演算法

KNN演算法中有超參數（hyperparameters ）需要選個K的取值以及距離的度量（L1還是L2 距離），所以需要對資料進行劃分，分別訓練集與測試集，這裡的測試集是十分寶貴的，用來測試模型的泛化性，而我們又要訓練一個準確的模型，這時可以把訓練資料進一步切分來進行Cross-validation.以下便是5折交叉驗證，通過交叉驗證的方法找到最優的模型，進而用測試集來測試模型的泛化能力。

KNN是非常慢的，因為每一次預測都要計算與訓練資料集中所有映像的距離，找出 top k，實踐KNN時需要注意一下幾個問題：

1）預先處理資料為0均值與單位方差（映像資料各個維度通常方差與均值都相等，因為像素介於0-255，所以映像可以省去此步驟）

2）高維資料可用PCA

3）若有很多參數，要保證測試集資料足夠多，訓練資料少得話就交叉驗證之，交叉驗證的  fold 越多，計算複雜度越高。

4）交叉驗證時比如以上的圖分了5折，其中用fold1 fold2 fold3 fold5 來訓練，fold4 測試得到了最好的模型，這時在測試集測試時，可以不用fold4，把fold4當成burden扔掉。

 

電腦視覺入門 Intorduction To Computer Vision