編者按：

圖像分類是人工智能領(lǐng)域的基本研究主題之一，研究者也已經(jīng)開發(fā)了大量用于圖像分類的算法。近日，Shiyu Mou 在 Medium 上發(fā)表了一篇文章，對(duì)五種用于圖像分類的方法（KNN、SVM、BP 神經(jīng)網(wǎng)絡(luò)、CNN 和遷移學(xué)習(xí)）進(jìn)行了實(shí)驗(yàn)比較，該研究的相關(guān)數(shù)據(jù)集和代碼也已經(jīng)被發(fā)布在了 GitHub 上。

項(xiàng)目地址：https://github.com/Fdevmsy/Image_Classification_with_5_methods

圖像分類，顧名思義，就是為輸入圖像打上固定類別的標(biāo)簽。這是計(jì)算機(jī)視覺領(lǐng)域的核心問題之一。盡管聽起來(lái)很簡(jiǎn)單，但圖像分類有大量不同的實(shí)際應(yīng)用。

傳統(tǒng)方式：特征描述和檢測(cè)

也許對(duì)一些樣本任務(wù)有好處，但實(shí)際情況要復(fù)雜得多。

因此，我們并沒有通過代碼的形式直接指出每一類型的外觀（visual appearance），而是使用機(jī)器學(xué)習(xí)——為計(jì)算機(jī)提供每一類的諸多實(shí)例，接著開發(fā)學(xué)習(xí)算法觀察這些實(shí)例，并學(xué)習(xí)每一類的外觀。

然而，圖像分類如此復(fù)雜，以至于其處理經(jīng)常用到深度學(xué)習(xí)模型，比如 CNN（卷積神經(jīng)網(wǎng)絡(luò)）。我們已經(jīng)知道，我們?cè)谡n堂上學(xué)習(xí)的不少算法（如 KNN、SVM）通常很擅長(zhǎng)數(shù)據(jù)挖掘；但是對(duì)于圖像分類，它們卻不是最佳選擇。

因此，我們將對(duì)課堂中學(xué)到的以及 CNN 和遷移學(xué)習(xí)等算法做一個(gè)對(duì)比。

目標(biāo)

我們的目標(biāo)是：

1. 把 KNN、SVM、BP 神經(jīng)網(wǎng)絡(luò)與業(yè)界處理圖像識(shí)別問題的算法——CNN 和遷移學(xué)習(xí)——進(jìn)行對(duì)比。

2. 獲得深度學(xué)習(xí)經(jīng)驗(yàn)。

3. 通過 TensorFlow 探索機(jī)器學(xué)習(xí)框架。

系統(tǒng)設(shè)計(jì) & 實(shí)現(xiàn)細(xì)節(jié)

算法與工具

本項(xiàng)目使用的 5 個(gè)方法是 KNN、SVM、BP 神經(jīng)網(wǎng)絡(luò)、CNN 和遷移學(xué)習(xí)。

全項(xiàng)目可分為 3 類方法：

• 第一類方法：使用 KNN、SVM、BP 神經(jīng)網(wǎng)絡(luò)這些課堂算法。這些算法強(qiáng)大易實(shí)現(xiàn)。我們主要使用 sklearn 實(shí)現(xiàn)這些算法。

• 第二類方法：盡管傳統(tǒng)的多層感知器模型已成功應(yīng)用于圖像識(shí)別，但由于其節(jié)點(diǎn)之間的全連接性，它們?cè)庥隽司S度的難題，從而不能很好地?cái)U(kuò)展到更高分辨率的圖像。因此我們使用深度學(xué)習(xí)框架 TensorFlow 打造了一個(gè) CNN。

• 第三個(gè)方法：重新訓(xùn)練一個(gè)被稱作 Inception V3 的預(yù)訓(xùn)練深度神經(jīng)網(wǎng)絡(luò)的最后一層，同樣由 TensorFlow 提供。Inception V3 是為 ImageNet 大型視覺識(shí)別挑戰(zhàn)賽訓(xùn)練的，使用了 2012 年的數(shù)據(jù)。這是計(jì)算機(jī)視覺的常規(guī)任務(wù)，其中模型試圖把全部圖像分為 1000 個(gè)類別，比如斑馬、達(dá)爾阿提亞人和洗碗機(jī)。為了再訓(xùn)練這一預(yù)訓(xùn)練網(wǎng)絡(luò)，我們要保證自己的數(shù)據(jù)集沒有被預(yù)訓(xùn)練。

實(shí)現(xiàn)

第一類方法：預(yù)處理數(shù)據(jù)集，并使用 sklearn 實(shí)現(xiàn) KNN、SVM、BP 神經(jīng)網(wǎng)絡(luò)。

首先，我們使用 OpenCV 包定義了 2 個(gè)不同的預(yù)處理函數(shù)：第一個(gè)是圖像到特征向量，它可以重調(diào)圖像大小，并把圖像轉(zhuǎn)化為行像素列表；第二個(gè)是提取顏色直方圖，即使用 cv2.normalize 從 HSV 顏色空間提取 3D 顏色直方圖，并平化（flatten）結(jié)果。

接著，建構(gòu)若干個(gè)我們需要解析的參數(shù)。由于想要同時(shí)測(cè)試整個(gè)數(shù)據(jù)集和帶不同數(shù)量標(biāo)簽的子數(shù)據(jù)集的精確度，我們構(gòu)建了一個(gè)作為參數(shù)的數(shù)據(jù)集并解析進(jìn)我們的程序。我們同樣構(gòu)建了用于 k-NN 方法的鄰元素?cái)?shù)作為解析參數(shù)。

之后，我們開始提取數(shù)據(jù)集中的每一圖像特征，并將其放入數(shù)組。我們使用 cv2.imread 讀取每一圖像，通過從圖像名稱中提取字符串來(lái)拆分標(biāo)簽。在我們的數(shù)據(jù)集中，我們使用相同格式——類別標(biāo)簽. 圖像序號(hào).jpg——設(shè)置名稱，因此我們可以輕易提取每張圖像的分類標(biāo)簽。接著我們使用這兩個(gè)函數(shù)提取 2 種特征并附加到數(shù)組 rawImages，而之前提取的標(biāo)簽附加到數(shù)組標(biāo)簽。

下一步是使用從 sklearn 包導(dǎo)入的函數(shù) train_test_split 拆分?jǐn)?shù)據(jù)集。這個(gè)集具有后綴 RI，RL 是 rawImages 和標(biāo)簽對(duì)的拆分結(jié)果，另一個(gè)是特征和標(biāo)簽對(duì)的拆分結(jié)果。我們使用 85% 的數(shù)據(jù)集作為訓(xùn)練集，余下的 15% 作為測(cè)試集。

最后，我們應(yīng)用 KNN、SVM、BP 神經(jīng)網(wǎng)絡(luò)函數(shù)評(píng)估數(shù)據(jù)。對(duì)于 KNN 我們使用 KNeighborsClassifier，對(duì)于 SVM 我們使用 SVC，對(duì)于 BP 神經(jīng)網(wǎng)絡(luò)我們使用 MLPClassifier。

第二類方法：使用 TensorFlow 構(gòu)建 CNN。TensorFlow 的全部目的在于使你打造一張計(jì)算圖（使用 Python 等語(yǔ)言），接著在 C++ 中執(zhí)行該圖（在相同計(jì)算量的情況下，C++比 Python 更高效）。

TensorFlow 也可自動(dòng)計(jì)算優(yōu)化圖變量所需的梯度，從而使模型表現(xiàn)更好。這是由于該圖由簡(jiǎn)單的數(shù)學(xué)表達(dá)式組合而成，因此可通過導(dǎo)數(shù)鏈?zhǔn)椒▌t計(jì)算全圖的梯度。

一張 TensorFlow 圖包含以下幾個(gè)部分，每一部分將在下文詳述：

• 占位符變量，用于輸入數(shù)據(jù)到圖。

• 優(yōu)化向量以使卷積網(wǎng)絡(luò)表現(xiàn)更好。

• 卷積網(wǎng)絡(luò)的數(shù)學(xué)公式。

• 可用于指導(dǎo)變量?jī)?yōu)化的成本衡量標(biāo)準(zhǔn)。

• 更新變量的優(yōu)化方法。

• CNN 架構(gòu)由一堆不同的層組成，這些層通過可微分函數(shù)可把輸入量轉(zhuǎn)化為輸出量。

因此，在我們的實(shí)現(xiàn)中，第一層是保存圖像，接著我們使用 2 x 2 最大池化和修正線性單元（ReLU）的構(gòu)建 3 個(gè)卷積層。輸入是 4 維張量：

• 圖像序號(hào)。

• 每一圖像的 Y 軸。

• 每一圖像的 X 軸。

• 每一圖像的通道（channel）。

輸出是另一個(gè) 4 維張量：

• 圖像序號(hào)，與輸入相同。

• 每一圖像的 Y 軸。如果使用 2x2 池化，接著輸入圖像的高和寬除以 2。

• 每一圖像的 X 軸。同上。

• 由卷積濾波器生成的通道。

接著，我們我們?cè)诰W(wǎng)絡(luò)末端構(gòu)建了 2 個(gè)全連接層。輸入是一個(gè) 2 維的形狀張量 [num_images、num_inputs]。輸出也是一個(gè) 2 維的形狀張量 [num_images、num_outputs]

然而，為了連接卷積層和全連接層，我們需要一個(gè)平層（Flatten Layer）以把 4 維向量減少至可輸入到全連接層的 2 維。

CNN 末端通常是一個(gè) softmax 層，它可歸一化來(lái)自全連接層的輸出，因此每一元素被限制在 0 與 1 之間，并且所有元素總和為 1。

為了優(yōu)化訓(xùn)練結(jié)果，我們需要一個(gè)成本衡量標(biāo)準(zhǔn)并在每次迭代中將成本降至最少。這里我們使用的成本函數(shù)是交叉熵（tf.nn.oftmax_cross_entropy_with_logits()），并在所有的圖像分類中取交叉熵的平均值。優(yōu)化方法是 tf.train.AdamOptimizer()，它是梯度下降的高級(jí)形式。這是一個(gè)可被調(diào)節(jié)的參數(shù)學(xué)習(xí)率。

第三種方法：再訓(xùn)練 Inception V3?，F(xiàn)代目標(biāo)識(shí)別模型有數(shù)以百萬(wàn)計(jì)的參數(shù)，并可能需要花費(fèi)數(shù)周的時(shí)間才能完全訓(xùn)練一個(gè)模型。遷移學(xué)習(xí)是一種采用在分類數(shù)據(jù)集（如 ImageNet）中已訓(xùn)練的模型而快速完成這一工作的方法，因?yàn)槠渲恍枰匦掠?xùn)練新類別的權(quán)重就行。雖然這樣的模型并沒有完全訓(xùn)練的模型表現(xiàn)好，但對(duì)于許多應(yīng)用來(lái)說(shuō)，這是非常高效的，因?yàn)槠洳恍枰?GPU 并可以在筆記本上花半個(gè)小時(shí)就完成訓(xùn)練。

讀者可以點(diǎn)擊一下鏈接進(jìn)一步了解遷移學(xué)習(xí)的訓(xùn)練過程：https://www./tutorials/image_retraining

首先我們需要獲取預(yù)訓(xùn)練模型，并移除舊的頂層神經(jīng)網(wǎng)絡(luò)，然后再基于我們的數(shù)據(jù)集重新訓(xùn)練一個(gè)輸出層。雖然貓的所有品種并沒有在原始 ImageNet 數(shù)據(jù)集和全訓(xùn)練的模型中體現(xiàn)，但遷移學(xué)習(xí)的神奇之處就在于其可以利用已訓(xùn)練模型用來(lái)識(shí)別某些目標(biāo)的底層特征，因?yàn)榈讓犹卣骺梢栽诤芏嗖桓牡那闆r下應(yīng)用于很多識(shí)別任務(wù)。然后我們分析本地的所有圖片并計(jì)算每張的瓶頸值（bottleneck values）。因?yàn)槊繌垐D片在訓(xùn)練過程中重復(fù)使用了多次，所以計(jì)算每個(gè)瓶頸值需要花費(fèi)大量時(shí)間，但我們可以加快緩存這些瓶頸值，也就可以省去重復(fù)的計(jì)算。

該腳本將運(yùn)行 4000 次訓(xùn)練步。每一步從訓(xùn)練集中隨機(jī)選擇 10 張圖片，并從緩存中搜索其瓶頸值，然后再將它們訓(xùn)練最后一層以得到預(yù)測(cè)。這些預(yù)測(cè)會(huì)通過對(duì)比真實(shí)標(biāo)注值而通過反向傳播過程更新最后一層的權(quán)重。

實(shí)驗(yàn)

數(shù)據(jù)集

Oxford-IIIT Pet 數(shù)據(jù)集：http://www.robots./~vgg/data/pets/

該數(shù)據(jù)集有 25 種狗和 12 種貓。每一種類別有 200 張相片。我們?cè)谠擁?xiàng)目中只會(huì)使用 10 種貓。

在該項(xiàng)目中我們用的類別為 [斯芬克斯貓、暹羅貓、布偶貓、波斯貓、緬因貓、英國(guó)短毛貓、孟買貓、伯曼貓、孟加拉豹貓、阿比西尼亞貓]。

因此在數(shù)據(jù)集中我們總共有 2000 張圖片。雖然圖片的尺寸是不同的，但我們可以調(diào)整為固定的大小如 64x64 或 128x128。

預(yù)處理

在該項(xiàng)目中，我們主要使用 OpenCV 對(duì)圖片進(jìn)行預(yù)處理，如讀取圖片放入陣列或調(diào)整為我們需要的大小等。

提升圖像訓(xùn)練結(jié)果的一個(gè)常用方法就是對(duì)訓(xùn)練輸入隨機(jī)進(jìn)行變形、裁剪或亮度調(diào)整處理。由于采用了同一圖片所有可能的變體，該方法不僅具有擴(kuò)展有效訓(xùn)練數(shù)據(jù)大小的優(yōu)點(diǎn)，同時(shí)還傾向幫助網(wǎng)絡(luò)使用分類器學(xué)習(xí)處理所有在現(xiàn)實(shí)生活中可能出現(xiàn)的畸變。

具體請(qǐng)查看：https://github.com/aleju/imgaug.

評(píng)估

第一個(gè)方法：第一部分為預(yù)處理數(shù)據(jù)集和使用 sklearn 應(yīng)用 KNN、SVM 和 BP 神經(jīng)網(wǎng)絡(luò)。

在程序中有很多參數(shù)可以調(diào)整：在 image_to_feature_vector 函數(shù)中，我們?cè)O(shè)置的圖片尺寸為 128x128，我們之前也嘗試過使用其他尺寸（如 8x8、 64x64、256x256）進(jìn)行訓(xùn)練。我們發(fā)現(xiàn)雖然圖片的尺寸越大效果越好，但大尺寸的圖片同樣也增加了執(zhí)行時(shí)間和內(nèi)存需求。因此我們最后決定使用 128x128 的圖片尺寸，因?yàn)槠洳⒉惶?，同時(shí)還保證了準(zhǔn)確度。

在 extract_color_histogram 函數(shù)中，我們將每個(gè)通道的二進(jìn)制值設(shè)置為 32,32,32。在先前的函數(shù)中，我們還嘗試了 8, 8, 8 和 64, 64, 64。雖然更高的數(shù)值能有更優(yōu)的結(jié)果，但同時(shí)也要求更長(zhǎng)的執(zhí)行時(shí)間，因此我們認(rèn)為 32,32,32 是比較合適的。

對(duì)于數(shù)據(jù)集，我們訓(xùn)練了 3 種。第一種是有 400 張圖片、2 種標(biāo)注的子數(shù)據(jù)集。第二種是有 1000 張圖片、5 種標(biāo)注的子數(shù)據(jù)集。最后一種是有 1997 張圖片、10 種標(biāo)注的全數(shù)據(jù)集。我們將不同的數(shù)據(jù)集解析為程序中的參數(shù)。

在 KNeighborsClassifier 中，我們只改變近鄰的數(shù)量并儲(chǔ)存每一種數(shù)據(jù)集最優(yōu) K 值的分類結(jié)果。其他所有參數(shù)都設(shè)為默認(rèn)。

在 MLPClassifier 中，我們?cè)O(shè)置每一個(gè)隱藏層有 50 個(gè)神經(jīng)元。我們確實(shí)測(cè)試了多個(gè)隱藏層，但好像對(duì)最后的結(jié)果沒有明顯的變化。最大的迭代次數(shù)設(shè)置為 1000，并且為了確保模型能夠收斂，我們?nèi)萑滩钤O(shè)置為 1e-4。同時(shí)還需要設(shè)置 L2 罰項(xiàng)的參數(shù) alpha 為默認(rèn)值，隨機(jī)狀態(tài)為 1，求解器設(shè)置為學(xué)習(xí)速率為 0.1 的「sgd」。

在 SVC 中，最大迭代次數(shù)為 1000，類別權(quán)重設(shè)置為「balanced」。

我們程序的運(yùn)行時(shí)間并不會(huì)太久，對(duì)于我們的三種數(shù)據(jù)集大概分別花 3 到 5 分鐘左右。

第二種方法：使用 TensorFlow 構(gòu)建 CNN

使用整個(gè)大數(shù)據(jù)集會(huì)需要很長(zhǎng)的時(shí)間計(jì)算模型的梯度，因此我們?cè)趦?yōu)化器每一次迭代中都只使用小批量的圖片更新權(quán)重，批量大小一般是 32 或 64。該數(shù)據(jù)集分為包含 1600 張圖片的訓(xùn)練集、包含 400 張圖片的驗(yàn)證集和包含 300 張圖片的測(cè)試集。

該模型同樣有許多參數(shù)需要調(diào)整。

首先是學(xué)習(xí)率。優(yōu)良的學(xué)習(xí)率因?yàn)槠渥銐蛐《苋菀琢钅Ｐ褪諗?，同時(shí)又足夠大令模型的收斂速度不至于太慢。所以我們選擇了 1 x 10^-4。

第二個(gè)需要調(diào)整的參數(shù)是投入到網(wǎng)絡(luò)的圖片尺寸。我們訓(xùn)練了 64x64 和 128x128 兩種圖片尺寸，結(jié)果表明尺寸越大模型精度就越高，但代價(jià)是運(yùn)行時(shí)間會(huì)更長(zhǎng)。

然后是神經(jīng)網(wǎng)絡(luò)層級(jí)數(shù)和它的形狀。然而實(shí)際上由于這一方面有太多的參數(shù)可以調(diào)整，所以很難在所有的參數(shù)間找到一個(gè)最優(yōu)值。

根據(jù)網(wǎng)上的很多資源，我們發(fā)現(xiàn)對(duì)于構(gòu)建神經(jīng)網(wǎng)絡(luò)，參數(shù)的選擇很大一部分都是根據(jù)已有的經(jīng)驗(yàn)。

最開始，我們希望構(gòu)建相當(dāng)復(fù)雜的神經(jīng)網(wǎng)絡(luò)，其所采用的參數(shù)如下：

• # Convolutional Layer 1. filter_size1 = 5 num_filters1 = 64

• # Convolutional Layer 2. filter_size2 = 5 num_filters2 = 64

• # Convolutional Layer 3. filter_size3 = 5 num_filters3 = 128

• # Fully-connected layer 1. fc1_size = 256

• # Fully-connected layer 2. fc1_size = 256

我們采用 3 個(gè)卷積層和 2 個(gè)全連接層，它們的結(jié)構(gòu)都比較復(fù)雜。

然而，我們的結(jié)果是：過擬合。對(duì)于這樣的復(fù)雜網(wǎng)絡(luò)，訓(xùn)練精度在迭代一千次后就達(dá)到了 100%，但測(cè)試精度僅僅只有 30%。最開始，我們十分疑惑為什么模型會(huì)過擬合，然后開始隨機(jī)調(diào)整參數(shù)，但這時(shí)候模型的表現(xiàn)卻又變好了。幸好幾天后我碰巧讀到了 Google 在討論深度學(xué)習(xí)的一篇文章：https:///@blaisea/physiognomys-new-clothes-f2d4b59fdd6a 該文章指出他們所主導(dǎo)的項(xiàng)目是有問題的：「一個(gè)技術(shù)性的問題是如果少于 2000 個(gè)樣本，那么其是不足以訓(xùn)練和測(cè)試如同 AlexNet 那樣的卷積神經(jīng)網(wǎng)絡(luò)而不出現(xiàn)過擬合情況?！顾晕也乓庾R(shí)到我們的數(shù)據(jù)集實(shí)在是太小了，而網(wǎng)絡(luò)構(gòu)架又太復(fù)雜，這才產(chǎn)生了過擬合現(xiàn)象。

我們的數(shù)據(jù)集正好包含 2000 張圖片

因此，我開始減少神經(jīng)網(wǎng)絡(luò)的層級(jí)數(shù)和核函數(shù)的大小。我嘗試調(diào)整了很多參數(shù)，以下是我們最后使用的神經(jīng)網(wǎng)絡(luò)架構(gòu)參數(shù)：

• # Convolutional Layer 1. filter_size1 = 5 num_filters1 = 64

• # Convolutional Layer 2. filter_size2 = 3 num_filters2 = 64

• # Fully-connected layer 1. fc1_size = 128

• # Number of neurons in fully-connected layer.

• # Fully-connected layer 2. fc2_size = 128

• # Number of neurons in fully-connected layer.

• # Number of color channels for the images: 1 channel for gray-scale. num_channels = 3

我們僅僅使用 2 個(gè)小型的卷積層和 2 個(gè)全連接層。訓(xùn)練結(jié)果并不好，在迭代 4000 次后同樣出現(xiàn)了過擬合現(xiàn)象，但測(cè)試精度還是要比前面的模型高 10%。

我們?nèi)匀辉趯ふ医鉀Q的辦法，然而一個(gè)顯然易見的原因是我們的數(shù)據(jù)集實(shí)在是太小了，我們也沒有足夠的時(shí)間做更多的改進(jìn)。

作為最后的結(jié)果，我們?cè)?5000 次迭代后大概實(shí)現(xiàn)了 43% 的精度，該訓(xùn)練花了一個(gè)半小時(shí)。實(shí)際上，我們對(duì)這一結(jié)果比較沮喪，因此我們準(zhǔn)備使用另一標(biāo)準(zhǔn)數(shù)據(jù)集 CIFAR-10。

CIFAR-10 數(shù)據(jù)集由 60000 張 32x32 10 類彩色圖片，每一個(gè)類別都有 6000 張圖片。該數(shù)據(jù)集包含了 50000 張訓(xùn)練集和 10000 張測(cè)試集。

我們使用了和上面相同的神經(jīng)網(wǎng)絡(luò)架構(gòu)，在 10 小時(shí)的訓(xùn)練后，我們?cè)跍y(cè)試集上實(shí)現(xiàn)了 78% 的準(zhǔn)確度。

第三種方法：再訓(xùn)練 Inception V3，我們隨機(jī)選取一些圖片進(jìn)行訓(xùn)練，而另一批圖片用于驗(yàn)證。

該模型同樣有許多參數(shù)需要調(diào)整。

首先是訓(xùn)練步，默認(rèn)值是 4000 步。我們也可以根據(jù)情況增加或減少以盡快獲得一個(gè)可接受的結(jié)果。

隨后是學(xué)習(xí)率，該參數(shù)控制了在訓(xùn)練期間更新至最后一層的量級(jí)。直觀地說(shuō)，如果學(xué)習(xí)速率小，那么需要更多的時(shí)間進(jìn)行學(xué)習(xí)，但最終其可能收斂到更優(yōu)的全局精度。訓(xùn)練批量大小控制了在一個(gè)訓(xùn)練步中檢查圖片的多少，又因?yàn)閷W(xué)習(xí)率應(yīng)用于每一個(gè)批量，如果能以更大的批量獲得相似的全局效果，我們需要減少它。

因?yàn)樯疃葘W(xué)習(xí)任務(wù)所需要的運(yùn)行時(shí)間通常很長(zhǎng)，所以我們并不希望模型在訓(xùn)練幾小時(shí)后實(shí)際上表現(xiàn)很糟糕。所以我們需要經(jīng)常獲得驗(yàn)證精度的報(bào)告。這樣我們同樣可以避免過擬合。數(shù)據(jù)集的分割是將 80% 的圖片投入到主要的訓(xùn)練中，10% 的圖片作為訓(xùn)練期間經(jīng)常進(jìn)行的驗(yàn)證集，而剩下 10% 的圖片作為最終的測(cè)試集以預(yù)測(cè)分類器在現(xiàn)實(shí)世界中的表現(xiàn)。

結(jié)果

第一類方法：預(yù)處理數(shù)據(jù)集并使用 sklearn 實(shí)現(xiàn) KNN、SVM 和 BP 神經(jīng)網(wǎng)絡(luò)。

結(jié)果在下表中。由于 SVM 結(jié)果非常差，甚至低于隨機(jī)猜測(cè)，我們不再展示其結(jié)果。

從結(jié)果中我們看到：

• 在 k-NN 中，原始像素和直方圖精確度是相對(duì)等同的。在 5 個(gè)標(biāo)簽的子數(shù)據(jù)集，直方圖精確度比原始像素高一點(diǎn)；但是整體來(lái)講，原始像素的結(jié)果更好。

• 在神經(jīng)網(wǎng)絡(luò) MLP 分類器中，原始像素精確度遠(yuǎn)低于直方圖。對(duì)于整個(gè)數(shù)據(jù)集（10 個(gè)標(biāo)簽），原始像素精確度甚至低于隨機(jī)猜測(cè)。

• 所有這 2 個(gè) sklearn 方法并沒有良好表現(xiàn)，在整個(gè)數(shù)據(jù)集中（10 標(biāo)簽數(shù)據(jù)集）識(shí)別正確分類的精確度僅約有 24%。這些結(jié)果說(shuō)明，通過 sklearn 分類圖像效果欠佳，它們?cè)谑褂枚鄠€(gè)類別分類復(fù)雜圖像時(shí)表現(xiàn)并不好。但是相比于隨機(jī)猜測(cè)，它們確實(shí)有提升，只是還不夠。

基于以上結(jié)果，我們發(fā)現(xiàn)為了提升精確度，使用一些深度學(xué)習(xí)方法很必要。

第二類方法：使用 TensorFlow 構(gòu)建 CNN。如上所述，由于過擬合我們不能獲取好的結(jié)果。

正常情況下訓(xùn)練需要半個(gè)小時(shí)，然而由于結(jié)果過擬合，我們認(rèn)為這一運(yùn)行時(shí)間并不重要。通過和第一類方法的比較，我們看到：盡管 CNN 過擬合訓(xùn)練數(shù)據(jù)，我依然得到了更好的結(jié)果。