課程
新冠可視化

作為計(jì)算機(jī)看到的是二維矩陣 希望分類，聚類或挑出來

人看到一個(gè)圖像是根據(jù)高層的認(rèn)知與特征，而計(jì)算機(jī)卻只能根據(jù)底層的特征：不一致，有沖突
有相似的特性，但語義不同

也有不同的語義相同得概念

空間的變換，目標(biāo)，讓相同目標(biāo)特征相似，不同特征差距大

classic

主要提取全局特征

圖像特征有很多角度：

可能不全面，所以連接起來，形成更高維向量

經(jīng)常做特征變換，使相似的物體距離盡可能近（一個(gè)高維特征到另一個(gè)高維特征）

優(yōu)化計(jì)算速度，防止計(jì)算代價(jià)過大
局部敏感哈希

有一個(gè)學(xué)習(xí)過程的哈希，快速計(jì)算相似度

另一個(gè)應(yīng)用，基于人的點(diǎn)擊，進(jìn)行調(diào)整（比如不知道蘋果手機(jī)還是蘋果，所以看用戶點(diǎn)擊了那些連接，進(jìn)行調(diào)整）

讓更喜歡的排在前面

早期只能用一個(gè)全局信息，信息過大，忽略了一些細(xì)節(jié)信息，導(dǎo)致判斷錯(cuò)誤

用一個(gè)高維向量表示這個(gè)文檔，出現(xiàn)幾次改單詞的向量位置就標(biāo)幾
有大量的文章，這樣就很簡化，
現(xiàn)在以詞的信息進(jìn)行組織

擴(kuò)展思維，能不能視覺詞袋模型，2000年才突破

局部特征，離線數(shù)據(jù)庫，中每一個(gè)圖像都采用一個(gè)局部特征描述詞，提取出特征向量，
提取很多局部特征描述詞后，生成一個(gè)視覺詞典，就可以把一個(gè)圖像的所有視覺特征描述詞，變成一個(gè)很長的（出現(xiàn)為出現(xiàn)次，不出現(xiàn)為0的）詞袋/向量，再進(jìn)行一個(gè)倒排索引，就處理好離線部分了
在線部分，就提取同樣的特征，投影到詞袋上，再比較哪些比較相關(guān)

中期：局部特征，找圖片那些地方比較有表征力，并用特征詞去描述它

可以進(jìn)行匹配

再基礎(chǔ)上搞點(diǎn)花活，通過不同的視覺關(guān)鍵詞進(jìn)行投票


文字：出現(xiàn)次數(shù)一次就是一次，n次就是n次
視覺：有只是有，級別相近，但不完全相等，----->空間關(guān)系比較近------->空間關(guān)系驗(yàn)證

總結(jié)

以上是生活随笔為你收集整理的飞桨 第一课 传统图像识别是怎么做的+Aistudio python数据可视化2020.3.31;2020.4.2补的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。