机器学习基础与应用 课件 第十章 基于多层感知机的相册分类

第十章基于多层感知机的相册分类目

录感知机算法多层感知机算法图像增广010203感知机算法01感知机算法感知机算法最早是由美国学者FrankRosenblatt受到生物神经细胞的启发于1957年提出的一种机器学习模型，它是一种二分类的线性分类模型，是神经网络和支持向量机的基础。感知机算法只有一个输入层xi和一个输出层y，它的学习能力非常有限，只能处理线性问题，很难解决复杂的非线性问题。01感知机算法感知机算法是一种最简单的前馈神经网络，其结构与生物的神经细胞结构类似。感知机算法是一个单个神经元的生物神经网络，它的输入可以有多个，并且每一个输入都会有一个权重，通过让输入xi与权重wi相乘进行加权，然后进行求和得出一个值，如果这个值大于阈值θ，则输出y=1；如果小于这个阈值则输出y=0，其中0和1分别表示类别。01多层感知机算法02多层感知机算法多层感知机（multiLayerperceptron，MLP）算法是一种前馈神经网络，是由感知机模型推广而来。多层感知机算法是指由多个感知机组成的多层次的人工神经网络。它克服了感知机不能对线性不可分数据进行识别的弱点。02组成：多层感知机算法通常由一个输入层、多个隐藏层和一个输出层组成，是神经网络中的一种。规则：每一个圆圈表示一个神经元的节点，每一层神经元只接受来自前一层神经元的输入（前一层可能是输入层也可能是隐藏层），后面的层对前面层没有信号反馈。输入模式经过各层的顺序传播，最后在输出层上得到输出。图像增广03图像增广图像增广也可以称为数据增强，是一种通过让有限的数据产生更多的等价数据来人工扩展训练数据集的技术，通常用在图像数据的处理上。在数据集不足的情况下，对训练图像进行一系列的随机变化之后，生成相似但不同的训练样本，从而扩大训练集的规模。应用图像增广的原因除了数据量少之外，还可以随机改变训练样本以减少模型对某些属性的依赖，从而提高模型的泛化能力。03图像增广的概念图像增广图像增广的方法相当于在数据集上增加视角、位置方面的偏差，进而增强模型在这些方面的鲁棒性，从而提高测试精度。03图像增广的常用方法图像增广的常用方法：图像缩放图像平移图像旋转图像翻转图像增广图像缩放是对数字图像的尺寸进行调整的过程，可以理解为对图像进行拉伸或压缩的操作。这是一种非平凡的过程，需要在处理效率以及结果的平滑度和清晰度上做一个权衡。当图像的尺寸缩小后，它的平滑度将会增强。03图像增广的常用方法图像增广图像平移是将一幅图像中的所有像素点都按照给定的偏移量在水平方向（沿x轴方向）或垂直方向（沿y轴方向）移动，也就是说将图像所有的像素坐标，分别加上指定的水平偏移量和垂直偏移量，是图像几何变换中较为简单的一种变换。03图像增广的常用方法图像增广图像旋转是指图像以某一点为中心旋转一定的角度，形成一幅新的图像的过程。图像的旋转变换一般以图像中心为旋转中心，图像旋转后不会变形，但其垂直对称轴和水平对称轴都会发生改变，其大小也一般会发生改变。03图像增广的常用方法图像增广图像翻转包括水平翻转、垂直翻转和水平垂直翻转3种类型，在图像翻转过程中，翻转只改变图像的方向，并不改变图像的大小，并且不是任意改变方向。03图像增广的常用方法垂直翻转是指以图像的垂直中轴线为坐标旋转180°，翻转之后原图像的左半部分变到右边，右半部分变到左边水平翻转是指以