计算机视觉+人工智能面试笔试总结——使用CNN进行图像分类

目录

1.图像分类

2.单标签分类

3.多标签分类

4.类别不平衡问题

5.图像分类模型

6.数据扩充（数据增强） 

1.图像分类

        图像分类顾名思义就是一个模式分类问题，它的目标是将不同的图像，划分到不同的类别，实现最小的分类误差。
 

2.单标签分类

      **单标签分类**：总体来说，对于单标签的图像分类问题，它可以分为**跨物种语义级别的图像分类(`cifar10`)，子类细粒度图像分类(`Caltech-UCSD Birds-200-2011`)，以及实例级图像分类(`人脸识别`)**三大类别。
       虽然基本的图像分类任务，尤其是比赛趋近饱和，但是现实中的图像任务仍然有很多的困难和挑战。如类别不均衡的分类任务，类内方差非常大的细粒度分类任务，以及包含无穷负样本的分类任务。
 

3.多标签分类

       **多标签分类**：多标签分类问题，通常有两种解决方案，即转换为多个单标签分类问题，或者直接联合研究。前者，可以训练多个分类器，来判断该维度属性的是否，损失函数常使用softmax loss。后者，则直接训练一个多标签的分类器，所使用的标签为0,1,0,0…这样的向量，使用hanmmin