課程
新冠可視化

作為計算機看到的是二維矩陣 希望分類，聚類或挑出來

人看到一個圖像是根據高層的認知與特征，而計算機卻只能根據底層的特征：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，讓相同目標特征相似，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

經常做特征變換，使相似的物體距離盡可能近（一個高維特征到另一個高維特征）

優化計算速度，防止計算代價過大
局部敏感哈希

有一個學習過程的哈希，快速計算相似度

另一個應用，基于人的點擊，進行調整（比如不知道蘋果手機還是蘋果，所以看用戶點擊了那些連接，進行調整）

讓更喜歡的排在前面

早期只能用一個全局信息，信息過大，忽略了一些細節信息，導致判斷錯誤

用一個高維向量表示這個文檔，出現幾次改單詞的向量位置就標幾
有大量的文章，這樣就很簡化，
現在以詞的信息進行組織

擴展思維，能不能視覺詞袋模型，2000年才突破

局部特征，離線數據庫，中每一個圖像都采用一個局部特征描述詞，提取出特征向量，
提取很多局部特征描述詞后，生成一個視覺詞典，就可以把一個圖像的所有視覺特征描述詞，變成一個很長的（出現為出現次，不出現為0的）詞袋/向量，再進行一個倒排索引，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

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

可以進行匹配

再基礎上搞點花活，通過不同的視覺關鍵詞進行投票


文字：出現次數一次就是一次，n次就是n次
視覺：有只是有，級別相近，但不完全相等，----->空間關系比較近------->空間關系驗證

總結

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站內容還不錯，歡迎將生活随笔推薦給好友。