深度學(xué)習(xí)應(yīng)用開發(fā) 課件 cha6 1-圖像分類的概述

目錄1圖像分類的介紹01任務(wù)圖像分類的應(yīng)用02任務(wù)圖像分類的挑戰(zhàn)03任務(wù)圖像分類的方法04任務(wù)1圖像分類的介紹1圖像分類的介紹圖像分類是將整幅圖像分類為單個(gè)標(biāo)簽的任務(wù)。例如，如果給定的圖像是狗或貓，圖像分類任務(wù)就可以將圖像標(biāo)記為狗或貓。本章將介紹如何使用TensorFlow來(lái)建立這樣的圖像分類模型，并學(xué)習(xí)提高分類準(zhǔn)確率的技術(shù)。圖像分類的目標(biāo)就是將不同圖片劃分到不同類別，實(shí)現(xiàn)最小的分類誤差。2圖像分類的應(yīng)用2圖像分類的應(yīng)用圖像分類是以一定的可信度用一個(gè)對(duì)象或概念對(duì)整幅圖像打標(biāo)簽的任務(wù)。它的應(yīng)用包括根據(jù)給定人臉圖像進(jìn)行性別分類、識(shí)別寵物類型、標(biāo)記照片等。2圖像分類概述圖片分類技術(shù)是計(jì)算機(jī)視覺中重要的基本問題，是目標(biāo)檢測(cè)，圖像分割，物體追蹤等視覺任務(wù)的基礎(chǔ)。圖像分類有廣泛的應(yīng)用，如網(wǎng)盤圖片自動(dòng)分類，卡片類別識(shí)別，動(dòng)植物識(shí)別等。3圖像分類的挑戰(zhàn)3圖像分類的挑戰(zhàn)圖像分類問題受各種因素的影響，模型的性能主要面臨一下幾種挑戰(zhàn)：（1）類內(nèi)變化：類內(nèi)差異是同一類圖像之間的差異。（2）比例變化：同一對(duì)象的圖像具有多種大小，且可能大小差異很大。（3）視點(diǎn)變化：視點(diǎn)變化即相對(duì)于如何在圖像中拍攝和捕獲對(duì)象。（4）遮擋：圖像中分類對(duì)象無(wú)法完全查看，很大一部分隱藏在其他對(duì)象的后面。（5）光照條件：由于照明強(qiáng)度不同，在圖像中像素的強(qiáng)度級(jí)別也有所不同。（6）背景：如果圖中有很多對(duì)象，找到特定對(duì)象非常困難4圖像分類方法4圖像分類的方法按照?qǐng)D像分類的發(fā)展過程劃分，圖像分類可以分為傳統(tǒng)圖像分類和深度學(xué)習(xí)圖像分類。（1）傳統(tǒng)的圖像分類方法傳統(tǒng)的圖像分類方法有很多，如使用近鄰分類器（NearestNeighborClassifier），將測(cè)試圖片與訓(xùn)練集中的每個(gè)圖片去對(duì)比，將差別最小的那個(gè)類的標(biāo)簽，作為預(yù)測(cè)結(jié)果。即將兩張圖片的像素矩陣相減，得出插值矩陣求值。3圖像分類的類型（2）深度學(xué)習(xí)圖像分類方法圖像分類從傳統(tǒng)方法到基于深度學(xué)習(xí)的方法，得益于計(jì)算機(jī)算力的提升。

LeNet-5是使用深度學(xué)習(xí)方法處理圖像分類的卷積神經(jīng)網(wǎng)絡(luò)。又隨著ImageNet數(shù)據(jù)集分類大賽的舉辦，出現(xiàn)了大量的高性能圖像分類模型。如A