数据驱动方法

图像分类

图像分类时，分类系统接受一些输入图像，比如猫咪，并且系统已经清楚了一些确定分类或者标签的集合。计算机的工作就是看图片并且给它分配其中固定的分类标签。

图片表示

计算机呈现图片的方式为一堆数字，图像可能是一些800*600的像素，每个像素由三个数字表示，给出像素红、绿、蓝三个值。

image.png

由于是一个巨大的数字阵列，很难从中提取猫咪的特性，这个问题称为语义鸿沟，当以微小的方式改变图片时将导致像素网格整个发生变化。

数据驱动方法

我们可以不写具体的分类规则来识别一类物体，而是收集大量猫图片的数据集。例如CIFAR-10的数据集，其中包括10个不同的类别，5万张训练图片，1万张测试图片

image.png

然后通过训练机器对这些图片进行分类，机器收集所有的数据用某种方式进行总结生成一个模型，并总结出如何识别这些不同类的图片，最后我们用这个模型来识别新的图片集。
所以我们的函数不仅仅是输入一个图片然后识别出一只猫，而是需要两个函数：

• 1 训练函数，输入图片和标签，然后输出模型。

• 2 预测函数，输入模型，对新的图片集进行预测。

  
  image.png

图片比较方法

在比较两个图片时，我们采用了L1距离（曼哈顿距离），对这些图片中的单个像素进行比较，利用测试图片的像素值减去训练图片对应的像素值，然后取绝对值得到两个图片的像素值的差，最后将其中所有的像素值相加。

image.png

下面是一个最近邻分类器的python代码：

image.png