没有合适的资源？快使用搜索试试~ 我知道了~

首页cs231N中文版笔记

cs231N中文版笔记

cs231n

4星 · 超过85%的资源需积分: 50 54 下载量 19 浏览量更新于2023-05-30 评论 3 收藏 4.86MB PDF 举报

身份认证购VIP最低享 7 折!

领优惠券(最高得80元）

试读

128页

来自知乎专栏。。我保存成pdf了，A4大小，方便打印。分享给各位。深度学习；计算机视觉。斯坦福大学李飞飞计算机视觉公开课笔记，翻译版本。

资源详情

资源评论

资源推荐

译者注：本文智能单元首发，译自斯坦福CS231n课程笔记image classification notes，由课程

教师Andrej Karpathy授权进行翻译。本篇教程由杜客翻译完成。ShiqingFan对译文进行了仔细

校对，提出了大量修改建议，态度严谨，帮助甚多。巩子嘉对几处术语使用和翻译优化也提出了

很好的建议。张欣等亦有帮助。

原文如下

这是一篇介绍性教程，面向非计算机视觉领域的同学。教程将向同学们介绍图像分类问题和数据

驱动方法。下面是内容列表：

图像分类、数据驱动方法和流程

Nearest Neighbor分类器

k-Nearest Neighbor

译

者

注

：

上

篇翻

译

截

止

处

验证集、交叉验证集和超参数调参

Nearest Neighbor的优劣

小结

小结：应用kNN实践

拓展阅读

图像分类

CS231n课程笔记翻译：图像分类笔记（上）

杜客

· 2 年前



首发于

智能单元



写文章

目标：这一节我们将介绍图像分类问题。所谓图像分类问题，就是已有固定的分类标签集合，然

后对于输入的图像，从分类标签集合中找出一个分类标签，最后把分类标签分配给该输入图像。

虽然看起来挺简单的，但这可是计算机视觉领域的核心问题之一，并且有着各种各样的实际应

用。在后面的课程中，我们可以看到计算机视觉领域中很多看似不同的问题（比如物体检测和分

割），都可以被归结为图像分类问题。

例子：以下图为例，图像分类模型读取该图片，并生成该图片属于集合 {cat, dog, hat, mug}中各

个标签的概率。需要注意的是，对于计算机来说，图像是一个由数字组成的巨大的3维数组。在这

个例子中，猫的图像大小是宽248像素，高400像素，有3个颜色通道，分别是红、绿和蓝（简称

RGB）。如此，该图像就包含了248X400X3=297600个数字，每个数字都是在范围0-255之间的

整型，其中0表示全黑，255表示全白。我们的任务就是把这些上百万的数字变成一个简单的标

签，比如“猫”。

———————————————————————————————————————

——

图像分类的任务，就是对于一个给定的图像，预测它属于的那个分类标签（或者给出属于一系列

不同标签的可能性）。图像是3维数组，数组元素是取值范围从0到255的整数。数组的尺寸是宽

度x高度x3，其中这个3代表的是红、绿和蓝3个颜色通道。

———————————————————————————————————————

——

困难和挑战：对于人来说，识别出一个像“猫”一样视觉概念是简单至极的，然而从计算机视觉

算法的角度来看就值得深思了。我们在下面列举了计算机视觉算法在图像识别方面遇到的一些困

难，要记住图像是以3维数组来表示的，数组中的元素是亮度值。

视角变化（Viewpoint variation）：同一个物体，摄像机可以从多个角度来展现。

大小变化（Scale variation）：物体可视的大小通常是会变化的（不仅是在图片中，在真

实世界中大小也是变化的）。

形变（Deformation）：很多东西的形状并非一成不变，会有很大变化。

遮挡（Occlusion）：目标物体可能被挡住。有时候只有物体的一小部分（可以小到几个像

素）是可见的。

光照条件（Illumination conditions）：在像素层面上，光照的影响非常大。

背景干扰（Background clutter）：物体可能混入背景之中，使之难以被辨认。

类内差异（Intra-class variation）：一类物体的个体之间的外形差异很大，比如椅子。这

一类物体有许多不同的对象，每个都有自己的外形。

面对以上所有变化及其组合，好的图像分类模型能够在维持分类结论稳定的同时，保持对类间差

异足够敏感。

———————————————————————————————————————

——

———————————————————————————————————————

——

数据驱动方法：如何写一个图像分类的算法呢？这和写个排序算法可是大不一样。怎么写一个从

图像中认出猫的算法？搞不清楚。因此，与其在代码中直接写明各类物体到底看起来是什么样

的，倒不如说我们采取的方法和教小孩儿看图识物类似：给计算机很多数据，然后实现学习算

法，让计算机学习到每个类的外形。这种方法，就是

数据

驱

动

方

法

。既然该方法的第一步就是收

集已经做好分类标注的图片来作为训练集，那么下面就看看数据库到底长什么样：

———————————————————————————————————————

——

一个有4个视觉分类的训练集。在实际中，我们可能有上千的分类，每个分类都有成千上万的图

像。

———————————————————————————————————————

——

图像分类流程。在课程视频中已经学习过，图像分类就是输入一个元素为像素值的数组，然后给

它分配一个分类标签。完整流程如下：

输入：输入是包含N个图像的集合，每个图像的标签是K种分类标签中的一种。这个集合称

为

训

练

集

。

学习：这一步的任务是使用训练集来学习每个类到底长什么样。一般该步骤叫做

训

练

分

类

器

或者

学

习

一

个

模

型

。

评价：让分类器来预测它未曾见过的图像的分类标签，并以此来评价分类器的质量。我们会

把分类器预测的标签和图像真正的分类标签对比。毫无疑问，分类器预测的分类标签和图像

真正的分类标签如果一致，那就是好事，这样的情况越多越好。

Nearest Neighbor分类器

作为课程介绍的第一个方法，我们来实现一个Nearest Neighbor分类器。虽然这个分类器和卷

积神经网络没有任何关系，实际中也极少使用，但通过实现它，可以让读者对于解决图像分类问

题的方法有个基本的认识。

图像分类数据集：CIFAR-10。一个非常流行的图像分类数据集是CIFAR-10。这个数据集包含了

60000张32X32的小图像。每张图像都有10种分类标签中的一种。这60000张图像被分为包含

50000张图像的训练集和包含10000张图像的测试集。在下图中你可以看见10个类的10张随机图

片。

———————————————————————————————————————

——

左边：从CIFAR-10数据库来的样本图像。右边：第一列是测试图像，然后第一列的每个测试图像

右边是使用Nearest Neighbor算法，根据像素差异，从训练集中选出的10张最类似的图片。

———————————————————————————————————————

——

假设现在我们有CIFAR-10的50000张图片（每种分类5000张）作为训练集，我们希望将余下的

10000作为测试集并给他们打上标签。Nearest Neighbor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。上面右边的图

片就展示了这样的结果。请注意上面10个分类中，只有3个是准确的。比如第8行中，马头被分类

为一个红色的跑车，原因在于红色跑车的黑色背景非常强烈，所以这匹马就被错误分类为跑车

了。

那么具体如何比较两张图片呢？在本例中，就是比较32x32x3的像素块。最简单的方法就是逐个

像素比较，最后将差异值全部加起来。换句话说，就是将两张图片先转化为两个向量和，

然后计算他们的L1距离：

这里的求和是针对所有的像素。下面是整个比较流程的图例：

剩余127页未读，继续阅读

kongjibo

2018-04-23

不是特别全，但是资源质量还是不错的

3D视觉 cs231n

cs231n assignment2

CS231n 是斯坦福大学的一门计算机视觉课程，其中的第二次作业涉及卷积神经网络（CNNs）的实现和训练。这可能包括实现卷积层、池化层、损失函数和反向传播算法，并在 CIFAR-10 数据集上训练和评估模型。

cs231n assignment3

CS231n 第三次作业的内容包括使用深度学习来完成图像分类任务。具体来说，包括使用卷积神经网络 (CNN) 来训练图像分类器，并使用预训练网络 (pre-trained network) 来进行微调 (fine-tuning)。还可能包括使用数据...

cs231n assignment1 softmax

cs231n作业1中的softmax部分是用于分类问题的一种激活函数。它将输入的向量转换为概率分布，使得每个元素都表示该类别的概率。在作业中，我们需要实现softmax函数的前向传播和反向传播，并使用它来训练一个简单的...

cs231n assignment1 svm

cs231n作业1是关于支持向量机（SVM）的。SVM是一种常用的分类算法，它可以将数据分为两个类别，并找到一个最优的超平面来分割它们。在这个作业中，你将实现一个线性SVM分类器，并使用它来对图像进行分类。你还将学习...

cs231n assignment1 two_layer_n

cs231n作业1的two_layer_n是一个两层神经网络的实现，用于对CIFAR-10数据集进行分类。该网络包括一个全连接的隐藏层和一个全连接的输出层，使用ReLU作为激活函数。在训练过程中，使用交叉熵损失函数和随机梯度下降法...

cs231n two_layer_net

cs231n的two_layer_net是一个简单的神经网络模型，由两个全连接层组成。它可以用于图像分类任务，通过反向传播算法来训练模型，使其能够对图像进行分类。该模型的输入是图像的像素值，输出是图像所属的类别。在训练...

cs231n作业1 inline questions答案

CS231n作业1的内联问题答案如下： 1. Q: 表示每个像素的Ronald图像的亮度值在什么范围内？ A: 每个像素的亮度值在0到255之间。这是因为一个像素的亮度值是一个8位无符号整数，所以它可以表示的范围为0到2^8-1，即0...

Andrej Karpathy在CS231n论文中，主题是什么？

我不了解你所提到的CS231n论文的细节，但是我知道Andrej Karpathy是一位著名的计算机科学家，擅长深度学习和计算机视觉领域。他曾在著名的论文"The Unreasonable Effectiveness of Recurrent Neural Networks"中提出...

cs231n注意力机制

注意力机制在自然语言处理中是一种重要的方法，其核心思想是在解码时，将解码器与编码器每一步的输出直接连接，并引入权重来关注编码器特定位置上的输出。这样可以利用源句子每个位置上的信息，并且获得关注句子特定...

完成cs231n作业knn的方法

knn = KNeighborsClassifier(n_neighbors=3) knn.fit(X_train, y_train) ``` 5. 使用predict方法对测试集进行分类。 ```python y_pred = knn.predict(X_test) ``` 6. 计算模型的准确率。 ```python accuracy = ...

Sleepwalker2013

粉丝: 5
资源: 3

上传资源快速赚钱

我的内容管理收起

我的资源快来上传第一个资源

我的收益

登录查看自己的收益

我的积分登录查看自己的积分

我的C币登录后查看C币余额

我的收藏

我的下载

下载帮助

会员权益专享

cs231N中文版笔记

评论1

会员权益专享

最新资源

cs231N中文版笔记

评论1

CS231n课程笔记翻译 全 带书签 PDF

cs231n-2018-Assignment3

cs231n课件.zip cs231n课件.zip

No module named 'cs231n'

ModuleNotFoundError: No module named 'cs231n'

cs231n作业knn

cs231n作业2BN

cs231n svm

cs231n softmax

3D视觉 cs231n

cs231n assignment2

cs231n assignment3

cs231n assignment1 softmax

cs231n assignment1 svm

cs231n assignment1 two_layer_n

cs231n two_layer_net

cs231n作业1 inline questions答案

Andrej Karpathy在CS231n论文中，主题是什么？

cs231n注意力机制

完成cs231n作业knn的方法

会员权益专享

最新资源

CS231n课程笔记翻译全带书签 PDF