图片在计算机中的样子；视觉识别中常见的难题；什么是K-近邻算法、CIFAR-10数据集；模型建立中数据集的分类（第一天）

清夏 · 发表于 2020-2-5 09:52:02

   一张图片在计算机中的表示方法
   一张图片在计算机中被表示为三维数组的形式，例如300*100*3（300是图片的长，100是图片的宽，3是红绿蓝三种颜色），图片是由无数个像素点组成的，其中颜色的深浅是有特定的像素点的（像素点的范围是0~255，像素点越大亮度越大）
   视觉识别中常见的难题
   如果用计算机识别一个物体比如说人的时候，有好多的难点，比如角度问题（正视时计算机可以识别是人，但俯视的时候怎么识别）、光照强度（在有光的时候可以识别人，但光线暗的时候呢，比如黑人在晚上冲你笑这种情况）、形状问题（站着的时候可以识别，那蹲着呢，尤其是猫这种液体生物）、部分遮蔽（比如你只露半张脸。。。）、背景混入（比如白猫在白色地毯上该如何识别）。
   针对这些问题，咱们的常规套路就是：1、收集数据并给定标签；2、训练一个分类器；3、测试评估。
   基于大数据的基础，这样的问题基本可以解决。

   什么是K-近邻算法？
   这好像是最简单的一个算法，这种算法非常传统，但是不能应用在视觉识别上面（因为它无法解决上面的那些难题）。这个具体的应用是在https://www.bilibili.com/video/av44365340?p=3中。

    什么是CIFAR-10数据集？
   这个数据集有10类标签，50000个训练数据，10000个测试数据，每个图片都是32*32。这个具体的应用也是在https://www.bilibili.com/video/av44365340?p=3中。

    模型建立中数据集的分类
   咱们确定一个模型比如确定人的模型，那么我们需要很多人的数据集（也就是照片），先分成两个部分：测试集和训练集（其中训练集就是让你练手的，你需要用训练集确定出你的模型，再用测试集验证，如果你建的模型可以把测试集中的人全部识别出来，才算成功），训练集中要分出一部分作为验证集（相当于做一次演练，要做好多次的演练，所以验证集可以换）。