CS231n-01-Image Classification
来源:互联网 发布:反编译软件为dede 编辑:程序博客网 时间:2024/06/05 03:44
Image Classification
Intro to Image Classification, data-driven approach, pipeline
Nearest Neighbor Classifier
k-Nearest Neighbor
Validation sets, Cross-validation, hyperparameter tuning Pros/Cons of Nearest Neighbor
Summary
Further Reading
这一部分的内容相对简单,并有了相关了解和接触,简单挑一些比较有意义的部分记录一下
图像分类
输入一个元素为像素值的数组,然后它分配一个分类标 签:
输入:包含N个图像的集合(即训练集),每个图像的标签是K种分类标签中的一种。
学习:使用训练集训练分类器,从而学习每个类是什么样子。
评价:预测测试集中图像的分类标签,来评价分类器的质量。
Nearest Neighbor分类器
NN算法将会拿着测试图片和训练集中每一张图片去比较,然后将它认为最相似的那个训练集图片的标签赋给这张测试图片.
KNN较NN,选取K近邻,故KNN的泛化能力要好于NN。
超参数及其调优
**超参数(hyperparameter)**:像距离度量方法,k值等都属于超参数。
超参数调优可以通过尝试不同的值,但决不能使用测试集来进行调优,不到最后一步,绝不使用测试集。测试数据集只使用一次,即在训练完成后评价最终的模型时使用。
超参数的调优方法 :
不基于测试集调优,而是在训练集中取出一部分数据-验证集(Validation set)用来调优。根据验证集分析哪个超参数的效果最好,然后用相应的超参数来跑真正的测试集,即把训练集分成训练集和验证集。有时候,训练集数量较小(因此验证集的数量更小),会使用交叉验证的方训练。
其中k-折交叉验证(k-fold crossValidation)比较常用,将数据集A随机分为k个包,每次将其中一个包作为验证集(testing set),剩下k-1个包作为训练集(training set)进行训练。
- CS231n-01-Image Classification
- CS231N-Lecture2 Image Classification Pipline
- [CS231N课程笔记] Lecture 2. Image Classification
- [cs231n之第二课]Image Classification
- CS231N学习笔记1 Image Classification
- Stanford CS class CS231n Notes(Two):Image Classification
- CS231n系列之Lecture 2: Image Classification pipeline
- CS231n Spring Lecture2 Image Classification pipeline的一点总结
- CS231n-02-Linear Classification
- Image Classification
- 斯坦福课程导论(CS231n):Image Classification: Data-driven Approach, k-Nearest Neighbor, train/val/test split
- cs231n学习笔记 note1 image classification:data-driven,knn,train/val/test splits
- CS231n Image Classification: Data-driven Approach, k-Nearest Neighbor, train/val/test splits
- cs231n: Image Gradients & Image Generation
- image classification 资源摘录
- 【CS231n_2017】2-Image Classification
- CS231n lesson2. Linear classification I 学习笔记
- CS231N学习笔记3 Linear Classification
- 安装numpy+scipy+matlotlib+scikit-learn及问题解决
- Android 跳转到其他APP/浏览器时,返回键和列表键无法使用
- 全卷积网络FCN论文阅读Fully Convolutional Networks for Semantic Segmentation
- linux指令识记
- MySQL 创建存储过程(MySQL 5.0)
- CS231n-01-Image Classification
- 自定义View实现项目中的需求
- Elasticsearch Bulk
- ubifs文件系统制作
- linux下的时间 date 和 hwclock命令
- mysql的varchar(20)和oracle的varchar2(20)有什么不同?
- 简单通用的缺陷跟踪管理系统,欢迎联系
- Android MVVM架构模式 详解和综合运用(一)
- 深入解读JavaScript中BOM和DOM