機器學習基礎與應用 課件 第十章 基于多層感知機的相冊分類

第十章基于多層感知機的相冊分類目

錄感知機算法多層感知機算法圖像增廣010203感知機算法01感知機算法感知機算法最早是由美國學者FrankRosenblatt受到生物神經細胞的啟發于1957年提出的一種機器學習模型，它是一種二分類的線性分類模型，是神經網絡和支持向量機的基礎。感知機算法只有一個輸入層xi和一個輸出層y，它的學習能力非常有限，只能處理線性問題，很難解決復雜的非線性問題。01感知機算法感知機算法是一種最簡單的前饋神經網絡，其結構與生物的神經細胞結構類似。感知機算法是一個單個神經元的生物神經網絡，它的輸入可以有多個，并且每一個輸入都會有一個權重，通過讓輸入xi與權重wi相乘進行加權，然后進行求和得出一個值，如果這個值大于閾值θ，則輸出y=1；如果小于這個閾值則輸出y=0，其中0和1分別表示類別。01多層感知機算法02多層感知機算法多層感知機（multiLayerperceptron，MLP）算法是一種前饋神經網絡，是由感知機模型推廣而來。多層感知機算法是指由多個感知機組成的多層次的人工神經網絡。它克服了感知機不能對線性不可分數據進行識別的弱點。02組成：多層感知機算法通常由一個輸入層、多個隱藏層和一個輸出層組成，是神經網絡中的一種。規則：每一個圓圈表示一個神經元的節點，每一層神經元只接受來自前一層神經元的輸入（前一層可能是輸入層也可能是隱藏層），后面的層對前面層沒有信號反饋。輸入模式經過各層的順序傳播，最后在輸出層上得到輸出。圖像增廣03圖像增廣圖像增廣也可以稱為數據增強，是一種通過讓有限的數據產生更多的等價數據來人工擴展訓練數據集的技術，通常用在圖像數據的處理上。在數據集不足的情況下，對訓練圖像進行一系列的隨機變化之后，生成相似但不同的訓練樣本，從而擴大訓練集的規模。應用圖像增廣的原因除了數據量少之外，還可以隨機改變訓練樣本以減少模型對某些屬性的依賴，從而提高模型的泛化能力。03圖像增廣的概念圖像增廣圖像增廣的方法相當于在數據集上增加視角、位置方面的偏差，進而增強模型在這些方面的魯棒性，從而提高測試精度。03圖像增廣的常用方法圖像增廣的常用方法：圖像縮放圖像平移圖像旋轉圖像翻轉圖像增廣圖像縮放是對數字圖像的尺寸進行調整的過程，可以理解為對圖像進行拉伸或壓縮的操作。這是一種非平凡的過程，需要在處理效率以及結果的平滑度和清晰度上做一個權衡。當圖像的尺寸縮小后，它的平滑度將會增強。03圖像增廣的常用方法圖像增廣圖像平移是將一幅圖像中的所有像素點都按照給定的偏移量在水平方向（沿x軸方向）或垂直方向（沿y軸方向）移動，也就是說將圖像所有的像素坐標，分別加上指定的水平偏移量和垂直偏移量，是圖像幾何變換中較為簡單的一種變換。03圖像增廣的常用方法圖像增廣圖像旋轉是指圖像以某一點為中心旋轉一定的角度，形成一幅新的圖像的過程。圖像的旋轉變換一般以圖像中心為旋轉中心，圖像旋轉后不會變形，但其垂直對稱軸和水平對稱軸都會發生改變，其大小也一般會發生改變。03圖像增廣的常用方法圖像增廣圖像翻轉包括水平翻轉、垂直翻轉和水平垂直翻轉3種類型，在圖像翻轉過程中，翻轉只改變圖像的方向，并不改變圖像的大小，并且不是任意改變方向。03圖像增廣的常用方法垂直翻轉是指以圖像的垂直中軸線為坐標旋轉180°，翻轉之后原圖像的左半部分變到右邊，右半部分變到左邊水平翻轉是指以