CNN for Visual Recognition (02)

图像分类

参考：http://cs231n.github.io/classification/

图像分类（Image Classification），是给输入图像赋予一个已知类别标签。图像分类是计算机视觉（Computer Vision）问题中一个基本问题，也是很要的一个问题。诸如物体检测、图像分割等能够利用图像分类来解决。

图像分类问题的主要难点在如下几个方面：

• 视角差别（viewpoint variation）：拍摄角度
• 比例差别（Scale variation）：缩放比例
• 形变（Deformation）：主要为非刚性形变（non-rigid deformation）
• 遮挡（Occlusion）：局部遮挡
• 光照差别（Illumination condition）：光线状况不一样
• 背景噪声（Background clutter）：背景与前景接近
• 类内差别（intra-class variance）：类内差别大于类间差别

（ref: http://cs231n.github.io/assets/challenges.jpeg）

数据驱动的方法（data-driven approach）:
从机器学习角度讲，训练数据（training data）为学习过程提供先验知识。

解决图像分类流程（pipeline）：

• 输入（input）：包括图像和类别标签；
• 学习（learning）：学习分类器（classifier）或是模型（model）进而预测输入图像标签；
• 评价（evaluation）：比较预测标签和实际标签，评价分类器（模型）的性能。

最邻近分类（Nearest Neighbor Classifier）:
（只是为了可以直观了解图像分类问题）
根据已有数据及标签（training data），预测输入图像（input image）为其最邻近图像的标签。进一步扩展可为K邻近方法，K邻接相对更加经常使用。相对而言，kNN在特征维度较低的时候，能力比较强的。

对于kNN而言有两个问题很差肯定：
第一个就是k值的选择。K值较小时，对噪声敏感；k值较大，会削弱对decision boundary附近样本的判别能力。最简单的方法就是交叉验证，在验证集尝试不一样取值；还有一些参考文件中使用\sqrt(N),其中N是每一类中样本的平均数（很明显对数据量很大的状况不适用）。
第二个就是对距离量度（distance metric）的选择。比较经常使用的是L1和L2距离。可是对一些问题，须要进行距离量度学习（distance metric learning）。比较经常使用的学习方法有LMNN（Large Margin Nearest Neighbor），ITML（Information-Theoretic Metric Learning）

关于使用kNN的一个小节：

• 对特征作正规化（normalization），即零均值、单位方差；
• 特征维数很高时降维，如PCA等；
• 在训练集上划分验证集；
• 交叉验证不一样的k值及距离量度；
• 时间开销过大时考虑Approximate Nearest Neighbor （FLANN）代替（以下降准确率为代价）。

 

延伸阅读：
A Few Useful Things to Know about Machine Learning，英文

机器学习那些事，中文

Recognizing and Learning Object Categories， ICCV2005的一个short course。