001 线性分类

计算机视觉核心的任务--图像的分类。
一张图片可以成三维数组的形式，每个像素的值从0到255。如下图所示：300 （高）* 100（宽） * 3（通道数）。

图像分类的挑战：
（1） 照射角度；
（2） 光照强度；
（3） 形状的改变；
（4）部分遮蔽；
（5）背景混入。

图像分类的思路：
（1）收集数据；（2）分类或标注训练和测试数据数据；（3）训练分类器；（4）测试、评估分类器；（5）发布分类器。

最近邻分类
采用L1（Manhatann）distance[曼哈顿距离]和L2（euclidean metric）distance[欧氏距离]，进行k近邻算法。

线性分类
线性分类，简单来讲就是设计一个函数，那么这个函数它的输入是一个图片，它的输出是对应每一个类别的得分，如CIFAR-10，有10个分类，输出时会给出10个类别的得分；
f（x, W） = Wx + b，其中w为权重，b为偏置值，分类器的重点是找出合理的权重，使得准确率达到最高（相比KNN，不用与每一个样本进行对比计算距离）。