學(xué)院:電子工程學(xué)院
學(xué)號(hào):14020199025
姓名:徐銘晟
【嵌牛導(dǎo)讀】：計(jì)算機(jī)視覺中非常熱門的一個(gè)課題就是圖像識(shí)別，在傳統(tǒng)的搜圖功能中，圖片的類標(biāo)簽往往是由圖片發(fā)布網(wǎng)頁的關(guān)鍵詞組成的，這種方式往往效果很差。在圖像識(shí)別這種技術(shù)發(fā)展起來后，搜圖等一系列基于此的應(yīng)用會(huì)有更好的發(fā)展
【嵌牛鼻子】：監(jiān)督學(xué)習(xí) KNN 圖像分類
【嵌牛正文】：
計(jì)算機(jī)視覺中非常熱門的一個(gè)課題就是圖像識(shí)別，在傳統(tǒng)的搜圖功能中，圖片的類標(biāo)簽往往是由圖片發(fā)布網(wǎng)頁的關(guān)鍵詞組成的，這種方式往往效果很差。在圖像識(shí)別這種技術(shù)發(fā)展起來后，搜圖等一系列基于此的應(yīng)用會(huì)有更好的發(fā)展。
在講具體算法之前，我們先簡(jiǎn)單介紹一下監(jiān)督學(xué)習(xí)和knn。
監(jiān)督學(xué)習(xí)是從標(biāo)記的訓(xùn)練數(shù)據(jù)來推斷一個(gè)功能的機(jī)器學(xué)習(xí)任務(wù)。具體到圖像識(shí)別這個(gè)任務(wù)中，簡(jiǎn)單的例子便是分別給機(jī)器100張貓
和狗的圖片，并告訴機(jī)器這張圖是貓...這張圖是狗....通過這些訓(xùn)練樣本，給機(jī)器一個(gè)判別圖片是貓還是狗的評(píng)價(jià)標(biāo)準(zhǔn)。當(dāng)我們拿出一張機(jī)器沒見過的圖片，輸給機(jī)器，機(jī)器能基于之前的訓(xùn)練數(shù)據(jù)，給出一個(gè)恰當(dāng)?shù)慕Y(jié)果。
kNN分類算法是數(shù)據(jù)挖掘分類技術(shù)中最簡(jiǎn)單的方法之一。所謂K最近鄰，就是k個(gè)最近的鄰居的意思，說的是每個(gè)樣本都可以用它最接近的k個(gè)鄰居來代表。
kNN算法的核心思想是如果一個(gè)樣本在特征空間中的k個(gè)最相鄰的樣本中的大多數(shù)屬于某一個(gè)類別，則該樣本也屬于這個(gè)類別， kNN方法在類別決策時(shí)，只與極少量的相鄰樣本有關(guān)。
簡(jiǎn)要得介紹了knn算法后如何將此算法應(yīng)用于圖像分類問題?
大家自然想到，通過判斷我們需要判斷類的圖片與訓(xùn)練樣本的相似程度，設(shè)定合理的k值，我們就可以得到基本的分類器。但是如何判斷圖片之間的相似度?
一個(gè)常用的算法即為歐式距離法。上節(jié)我們講到，一張圖片在計(jì)算機(jī)中是基于像素點(diǎn)存儲(chǔ)的，每個(gè)像素點(diǎn)即為一個(gè)數(shù)據(jù)點(diǎn)，有了這個(gè)知識(shí)，我們很容易想到，可以利用兩張圖片中各個(gè)像素點(diǎn)的數(shù)據(jù)差的平方加權(quán)和 來表示兩張圖片之間的歐式距離。利用歐式距離產(chǎn)生的相似度，加上knn算法，我們很容易就可以構(gòu)建出一個(gè)分類器。實(shí)踐證明，在pascal數(shù)據(jù)集中，當(dāng)設(shè)置k值為7得到的分類精度最為理想，約為25%。很容易看出這個(gè)算法的弊端，當(dāng)相同的圖片，經(jīng)過一定的平移，旋轉(zhuǎn)，雖然為一樣的物體信息，兩張圖片的歐式距離相差很可能巨大。要想提升圖片識(shí)別的準(zhǔn)確率，knn算法自然是不夠的。
