深度学习成长之路（一）概述--计算机视觉的任务及对应的网络模型（图像分类）

  学了好久的深度学习，主要是在做人脸识别、生成这一方面，但是一直感觉徘徊在深度学习的大门之外。深度学习成长之路第一篇就是为了搞清楚计算机视觉到底在做什么，让自己对计算机识别方向有一个整体的框架。有些地方写的不对的，还请大家多多指教，共同学习。

正文开始：

  计算机视觉的任务具体有几大类，说法很多。我更倾向于是三大类，图像分类（classfication），图像识别/目标检测（object detection）、图像分割（segmentation，semantic/instance segmentation）。

图像分类（classification）

  输入一张图片，判断属于哪一类。属于计算机视觉中最基本的任务，个人觉得其他的任务都需要在完成分类的基础上在进行操作。

（1）数据集

  数据集的介绍，网上有很多而且十分具体，可以去搜一下。常用的有MNIST（手写数字）、CIFAR-10（10类32×*32的图片）、FASHION-MINIST（企图替代MNIST的数据集，大小跟MNIST一样）。

（2）网络模型

  首先，与深度学习的卷积网络不同的网络模型有KNN（K-Nearest Neighbor 最近邻分类器），大体思路为，选取一个样本在特征空间中的K个最邻近的样本，其中这K个样本中大多数所属的类别，就是测试样本的类别。KNN算法中所选取的邻居都是已经正确分类的对象（也就是需要全部记录训练数据和对应的类别）。分类结果很大程度取决于K的选择。

KNN综述的论文地址：https://arxiv.org/pdf/1601.01549v2.pdf

  SVM（Support Vector Machine 支持向量机），一种线性分类器，有许多SVM模型。常见的有多分类svm，使用Hinge loss（合页损失，因为函数图像像合页），例子如下：（选自斯坦福的cs231n，强烈推荐去看）

但是存在一个问题，当loss为0时，对w缩放，结果仍是0，无法进行训练。因此完整的多类别SVM还需要加上正则化loss。

正则项可以选择多种距离。

  Softmax分类器，属于逻辑回归，与SVM都是常见的分类器。与SVM的区别在于，SVM是对样本在各类上进行打分，而Softmax分类器输出的是样本在各类的概率，使用的是交叉熵损失。个人觉得Softmax是在SVM的基础上做了改进，将得分归一化得出概率。