图像分类导论：从模型设计到端到端

news2024/12/22 22:18:31

书籍：An Introduction to Image Classification：From Designed Models to End-to-End Learning

作者：Klaus D. Toennies

出版：Springer Singapore

书籍下载-《图像分类导论》图像分类的传统方法包括在特征空间中进行特征提取和分类。目前最先进的方法采用深度神经网络进行端到端学习，其中特征提取和分类已集成到模型中。https://mp.weixin.qq.com/s/0r7qz2j7JnOWryzpHbRdIA

01 书籍介绍

图像分类是计算机视觉任务中至关重要的组成部分，且具有很多应用。图像分类的传统方法包括在特征空间中进行特征提取和分类。目前最先进的方法采用深度神经网络进行端到端学习，其中特征提取和分类已集成到模型中。理解传统图像分类很重要，因为其许多设计概念与神经网络的组件直接对应。了解这些知识有助于揭示这些网络的行为，这些行为乍一看可能很复杂。

本书从介绍用于模型驱动的特征提取和分类的方法开始，包括用于从图像中提取高级语义的基本计算机视觉技术。然后简要概述了使用生成和判别分类器的概率分类。接下来，将神经网络表示为一种直接从标记样本图像中学习分类模型的方法，同时讨论了网络的各个组件。探讨了网络组件与传统设计模型之间的关系，并解释了用于规范模型训练的不同概念。最后，本书的结尾部分涵盖了分析网络学到了什么的各种方法。

图像分类的主题表现为经过精心策划的一系列步骤，这些步骤逐渐加深了对完全可训练分类器工作原理的理解。Python/Keras/Tensorflow 中的实践练习旨在允许对这些概念进行实验性探索。在每一章中，将简要介绍 Python 模块中的合适函数，为学生提供进行这些实验所需的工具。